链路泛洪攻击（LFA）通过汇聚大量低速率正常流量，切断目标服务器的网络连接，且攻击者能动态调整策略，传统集中式防御系统难以本地高效压制恶意流量。新兴的可编程交换机虽能将防御移至靠近目标链路的位置，但其有限的资源和缺乏运行时重配置支持限制了在链路泛洪防御中的应用。本文提出 Mew，一个资源高效且运行时自适应的链路泛洪防御系统。Mew 设计了分布式存储机制和无损状态迁移机制，以缓解可编程网络的存储瓶颈；开发了协作防御 API，支持多粒度协同检测与缓解，且不引入过多开销；其动态防御机制能持续分析网络状况，在不重启设备或中断其他运行功能的情况下激活相应防御。作者使用分布在五个城市的真实可编程交换机搭建原型，实验表明 Mew 能有效防御大规模动态链路泛洪攻击。本工作为可编程交换机上的实时链路泛洪防御提供了可部署的解决方案。

本文针对放大型分布式拒绝服务（DDoS）攻击的协同检测与缓解问题展开研究。放大型DDoS攻击（如利用NTP、DNS、Memcached等协议的反射放大攻击）近年来流量和危害均达到历史新高。为了防御此类攻击，互联网中已部署了多个分布式攻击缓解平台，例如运行在互联网交换点（IXP）的流量清洗中心。这些平台采用先进技术检测攻击并在本地丢弃攻击流量，充当攻击的传感器。然而，目前尚未系统评估不同平台的视图协调能否带来更有效的缓解效果。本文的核心研究问题是：当分布式攻击缓解平台进行协作时，是否能够缓解更多的放大攻击并丢弃更多的攻击流量？作者通过实验和数据分析，系统性地评估了协作机制对检测率和缓解效率的影响。主要贡献包括：提出了多平台协作的框架，利用共享的攻击视图（如攻击源IP、目标端口、协议类型等）增强检测精度；基于真实网络流量数据集，对比了独立检测与协作检测的性能差异；实验结果表明，协作能够显著提高攻击检测率（例如减少漏报）并降低误报，同时通过联合过滤减少对正常流量的影响。本文的发现对于IXP运营者、云服务提供商以及大型网络运营商具有重要参考价值，为构建更鲁棒的DDoS防御体系提供了理论依据和实用指导。