随着SDN（Software Defined Network,软件定义网络）越来越广泛的应用,SDN网络面临DDo S（Distributed Denial of Service,分布式拒绝服务）攻击的风险也不断增加,DDo S攻击产生的攻击流量会给SDN网络带来巨大的负载压力,影响正常网络业务的进行,严重时可能导致整个SDN网络瘫痪,造成财产损失。因此本论文对SDN网络中的DDo S攻击检测和防御问题进行研究,以使得SDN网络具备对可疑DDo S流量的识别能力,进而自动对DDo S攻击进行防御,最终降低DDo S攻击对SDN网络的影响和危害。本文主要研究内容如下:（1）针对如何检测出SDN网络中的DDo S攻击流量问题,提出了一种基于自组织映射决策树的DDo S攻击检测算法。该算法首先借助自组织映射算法构建一个二维神经网络,利用该网络在训练数据集上进行训练生成数据拟合网络;然后利用数据拟合网络分别生成数据有害度网络和数据罕见度网络;最后利用数据有害度网络和数据罕见度网络对决策树的初步判断结果进行修正,以提高检测算法的整体性能。性能分析表明,相较于对比算法,所提算法的综合检测性能更优。（2）针对快速检测和防御SDN网络中的DDo S流量攻击问题,首先基于Open Flow协议设计了一个包含数据采集、攻击检测和攻击防御三大功能的DDo S攻击检测与防御系统。然后在攻击防御部分提出了一种动态防御策略,以阻断DDo S攻击流量。最后基于数据面可编程技术,将数据的特征解析从SDN控制面下移至数据面,从而实现数据面特征解析和转发控制。性能分析表明,基于数据面可编程技术改进后的系统,对网络时延的影响更小,数据面与控制面的通信流量也更小;所提的攻击防御策略在运行时,相较于对比策略,对网络的整体连通性影响也更小。（3）为了对所提DDo S攻击检测算法和防御策略的效果进行验证,利用SDN实体交换机搭建了SDN实验网络,在该网络上实现了基于自组织映射算法的DDo S检测功能和基于动态防御策略的DDo S攻击防御功能。实验结果表明,在DDo S攻击检测和防御正常工作时,网络的各个终端设备能够正常通信,当DDo S攻击发生时,检测算法能够正确识别到攻击流量,防御策略能够对攻击端口进行定位,下发具有超时限制的封锁流表以对攻击源实行动态封锁,成功阻断了DDo S攻击。