低速率拒绝服务（LDoS）攻击是拒绝服务（Do S）攻击的变种,它利用传输控制协议（TCP）自适应机制的漏洞,通过周期性的攻击脉冲严重恶化服务质量。由于LDoS攻击具有较长的静默时间,因此其平均速率低,隐蔽性强,通用反Do S机制难以对其响应。研究如何响应LDoS攻击是网络安全领域的一个重要议题。目前的LDoS攻击响应方法存在一定的局限性,具体表现为多数方法存在仅支持离线分析、不提供攻击缓解或防御、假阳性较高、部署成本较高等一个或多个不足。为探索性能更优的LDoS攻击响应方法,本文研究网络流量的序列特征和LDoS的攻击特性,结合机器学习技术与软件定义网络（SDN）,提出了两种LDoS攻击响应方法。根据LDoS攻击下网络流量序列的统计特征变化与LDoS攻击流量序列的独特形态表现,本文提出了基于HGBT和寻峰算法的LDoS攻击响应方法。该方法部署在SDN控制器上,包括检测模块和缓解模块。检测模块基于对网络流量序列特征的分析,使用训练好的HGBT分类模型在线检测LDoS攻击。缓解模块通过SDN控制器实时获取每个互联网协议（IP）地址的流出流量信息,并基于寻峰算法和预设阈值判定LDoS攻击流。攻击流对应的IP地址即为攻击源,攻击源发出的流量将被丢弃。经实验验证,基于HGBT和寻峰算法的LDoS攻击响应方法各项检测性能均超过96%,能在秒级完成响应,且部署成本偏低。根据LDoS攻击下网络流量序列的波动形态变化与LDoS攻击流量序列的独特形态表现,本文提出了基于波动系数和脉冲系数的LDoS攻击响应方法。波动系数和脉冲系数是两个新特征,分别反映连续序列的波动程度和周期性脉冲行为。基于提出的特征,该方法依托SDN控制器完成流量采集,训练分类模型监控LDoS攻击,使用高斯混合模型判定攻击流,并设置黑名单记录可疑攻击源及其嫌疑度,动态下发流规则丢弃攻击流。经实验验证,基于波动系数和脉冲系数的LDoS攻击响应方法能达到98.729%的准确度,假阳性仅为0.274%,最快能在1秒左右响应攻击,且部署后不会明显增加控制器的负担。所提出的两种响应方法均能在线、有效地缓解LDoS攻击造成的负面影响,准确度高,部署成本低,因此本文的工作对研究针对LDoS攻击的响应方法具有参考价值,对保障网络安全具有重要意义。