随着计算机网络技术的迅速发展,各种网络安全威胁日益加剧。作为被广泛认可的下一代网络架构,软件定义网络（Software-Defined Networking,SDN）解耦了数据平面和控制平面,为解决网络安全问题提供了新的思路。在上述网络安全问题中,链路泛洪攻击（Link Flooding Attack,LFA）是一种新型的DDo S攻击,具有破坏性强、发起容易等特性,可用于泛洪网络关键链路。在SDN环境中,LFA可以更容易地通过构造大规模低速率的合法数据流发起,使其攻击成本低,检测难度大。由于传统攻击检测方法往往忽视检测带来的额外网络负载,同时缺乏前瞻性,无法在攻击造成重大危害之前检测到攻击。最后由于LFA会造成关键链路不可用,隔离了目标网络中的关键区域,导致攻击抑制更加困难。因此,本文首先通过分析流表项生存时间对攻击检测的重要意义,设计了基于流表项属性的检测启动与调度算法。该方法设计了基于流表项的生存时间以及检测轮次计算过程因子,以及基于流表项的历史检测结果计算信任度因子。最后,其结合过程因子和信任度因子计算出流表项检测周期,从而达到自适应地调整每个流表项的检测周期,降低由攻击检测带来的额外网络开销的目的。此外,本文基于网络连通图及邻接矩阵设计了关键链路定位算法,将连通度较大（即连接网络区域数目较多）的链路定义为关键链路。结合LFA攻击特性以及关键链路带宽增长的分析,设计了一种链路带宽占用率预测算法。该算法首先使用基于强化学习的Sarsa算法动态调整差分自回归移动平均模型（Autoregressive Integrated Moving Average,ARIMA）算法的预测窗口大小,基于此设计了Sarsa-ARIMA预测模型。进而结合循环神经网络门控循环单元（Gate Recurrent Unit,GRU）预测模型,计算序列的平稳系数以及波动系数,得出最终Sarsa-ARIMA-GRU预测模型。最后,利用关键链路以及非关键链路带宽增长率之比与空闲带宽占比的相关系数提出了LFA指数,基于此设计了LFA检测算法。最后,将识别LFA攻击链路并阻止恶意流量。充分的实验表明,本文的LFA防御方法可以在准确识别LFA的前提下有效地降低由检测带来的额外网络开销,并保留正常网络通信功能,同时由于引入了预测算法,可以在攻击造成重大影响之前识别出LFA并进行攻击抑制,且具有一定的前瞻性。