软件定义网络虽然具备集中控制和网络可编程等优势,但也同时面临了多种安全威胁。本文在研究的过程中,主要对软件定义网络的安全问题以及特性进行了深入探讨,发现控制器和OpenFlow转发器之间缺乏信任评估和管理机制;另外,软件定义网络中可能同时存在第三方或者未授权的OpenFlow转发器,发生恶意DDoS攻击时,势必会引发流表竞争、彼此覆盖等一系列问题。针对以上的问题,本文提出智能信任管理模型。在该模型中,任何一个OpenFlow转发器的实时信任值是由三部分信任值加权得到的:第一个是上个时间节点记录下OpenFlow转发器的历史信任值,第二个是通过监控探头计算转发器之间的带宽、时延、丢包率得到的间接信任值,最后一个是通过极限学习机针对流表内容的判定结果计算得到的直接信任值。控制器根据统计的信任值可以决定各个OpenFlow转发器转发流表的优先级,同时也可以根据转发器的信任值对源攻击设备或区域做出快速响应。为验证信任模型的真实性和有效性,本文模拟了6种典型DDoS攻击手段并结合信任公式计算出实时信任值和设备真实状态进行比较。针对OpenFlow转发器和控制器之间缺乏信任评估和信任管理机制的问题,依据前述智能信任模型,对实验结果进行比较分析,本研究所采用的算法可以有效地对数据流量进行快速判断和分类,有效并智能的帮助管理员和控制器调整和选择合适的流规则,与此同时本文的算法具备更细粒度。