DDoS攻擊往往以狂野、粗暴而著稱。2013年3月，歐洲反垃圾郵件公司Spamhaus遭遇極大流量DDoS攻擊，流量峰值高達300G！2013年年末，利用NTP(網絡時間協議)的DDoS攻擊激增，并在前不久刷新了針對Spamhaus的攻擊的紀錄。而日本比特幣交易平臺Mt Gox所遭遇的一次“大規模DDoS攻擊”，導致比特幣兌換率大幅下跌，炒家們損失慘重。

調查顯示，約有42.14%的DDoS攻擊是針對電子商務發起的，電子商務、在線游戲、DNS服務數據中心是DDoS攻擊的主要目標。29%的DDoS攻擊造成了網絡擁塞，35%的DDoS攻擊使得安全系統癱瘓，36%的DDoS攻擊造成客戶服務和數據故障。

DDoS攻擊主要威脅數據中心里的防火墻、IPS以及負載均衡等網絡層設備，而針對應用層的DDoS攻擊則會威脅用戶的在線業務，利潤率越高的的在線業務系統，遭受攻擊的頻率越高、越持久。現今，DDoS攻擊對象正在從網絡帶寬轉為對會話及應用發起攻擊。此類攻擊手段所需消耗的流量小，而且具有很高的隱蔽性，不易被發現。惡意攻擊者經過事先的“踩點”、策劃，能夠以很小的流量癱瘓被攻擊目標的業務系統，而且極難快速恢復。如今DDoS攻擊已經形成了完整的黑色產業鏈，惡意攻擊者在藉此獲取更多利益。

想要能夠阻止DDoS攻擊就需要能夠提前發現，而這要能夠精準的對網絡流量模型予以識別，發現其中的異常。應用層小流量攻擊檢測難點在于小流量的攻擊報文淹沒在大流量的網絡訪問報文中，對flow流分析設備而言，攻擊流量越小越難反映到流量基線的變化，這意味著flow流技術不適合做應用層攻擊檢測。另外，針對移動Web應用的DDoS攻擊，正在導致傳統防御系統重定向防御技術的失效。

早在2013年的RSA大會上，RSA執行主席Art Coviello談到大數據對安全行業的影響時表示，“從大數據分析中獲取情報意味著我們不再只是響應攻擊。黑客將如何攻擊我們，這并不重要。重點在于從預防模式跳出來，大數據將讓你更快速地檢測和響應攻擊。”在今年的RSA大會上，大數據依然是人們關注的重點。面對新型DDoS攻擊，借助大數據的力量，可以對網絡流量進行更為精細化的分析，從而及時發現惡意攻擊的痕跡。

華為Anti-DDoS方案能夠對防護網絡進行50多種緯度的流量基線模型學習時，基于高性能多核CPU并行處理硬件，采用大數據處理技術，確保了基線學習的高效性。而且，華為Anti-DDoS系統還能從防護網段、防護目標IP、及源IP三個緯度展開學習，按網絡層次不同又可將統計點分為網絡層、會話層、應用層三大縱向緯度，統計點進一步細分為pps、bps、QPS、訪問比例。為了提升檢測精度和降低防御誤判，系統還分別從網絡層、會話層及應用層對TOPN訪問源IP及訪問資源進行學習，這些業務訪問TOPN流量模型，不僅可用來快速發現攻擊，還可用于檢驗防御效果。

狡猾的惡意攻擊者，正在將DDoS攻擊偽裝得越來越像企業用戶的正常業務訪問。基于大數據的DDoS攻擊檢測，能夠精準的發現攻擊并予以快速防護響應，在不影響用戶體驗的前提下，消除DDoS攻擊危機。

2013年的雙十一，是電商的狂歡節，同時也是惡意攻擊者發起DDoS攻擊的最佳時機。2013年11月11日當天，阿里巴巴的流量峰值達到了數Tbps，與此同時阿里巴巴業務系統遭受了多輪DDoS攻擊，其中不僅有近20Gbps的大流量攻擊，也有小于500Mbps的應用層攻擊。而華為Anti-DDoS清洗方案每次均在2秒內就成功阻斷了DDoS攻擊，無一漏網。

在今年的RSA2014大會上，華為發布的下一代Anti-DDoS解決方案產品AntiDDoS8000系列通過提供指紋學習、行為分析、信譽體系和大數據分析等先進特性，能夠防御數百G的DDoS威脅。

當DDoS攻擊開始變得狡猾時，大數據技術使得人們能夠及時揭穿DDoS攻擊的偽裝，并在用戶無感知的前提下實施有效的阻斷?；臃倍嗟膼阂馔{，在日新月異的IT技術面前終將敗下陣來。