命名数据网络（Named Data Network,NDN）作为一种备受关注的未来网络架构,拥有以内容为中心的网络结构,有望提高网络对移动性的支持以及内容分发的效率。NDN网络因其全新的架构使其能抵御大多数针对传统网络的分布式拒绝服务（Distributed Denial of Service,DDo S）攻击,但同时也面临着新的网络安全挑战,其中最为突出的便是兴趣泛洪攻击（Interest Flooding Attack,IFA）。目前大多数检测方案,存在检测时延长以及对正常流量波动过度反应等问题,而大多数防御方案由于无法精确定位攻击用户,在消除过程中可能会影响合法用户的请求。针对上述问题,本文提出基于累积熵（Cumulative Entropy,CE）的IFA检测方案以及基于身份认证的IFA防御方案,用来提高检测的准确性与速度,并且精确定位攻击用户,减少缓解过程中对合法用户请求的影响。本文的主要研究工作如下:针对现有检测方案存在的问题,本文提出基于累积熵的IFA检测方案。首先计算滑动窗口内兴趣包名称前缀的信息熵;然后利用改进后的非参数累积和（Cumulative SUM,CUSUM）算法计算累积熵,IFA攻击一旦发生,累积熵将迅速超过阈值,路由器就会判定此时网络中存在IFA攻击;最后利用相对熵算法识别恶意前缀找出恶意用户,恶意用户的身份信息将通过兴趣回溯机制反馈给边缘路由器。攻击结束后,累积熵迅速回复到正常值,系统解除报警。实验结果表明,该方案可以快速的检测出攻击,并且可以保持较高的准确率。针对当前防御方案存在的问题,本文提出一种基于身份认证的IFA防御方案。在该方案中,网络中的每个用户被赋予唯一的身份标识。用户在请求数据时,发出的兴趣包里携带有用户唯一的身份信息。在发生IFA攻击后,边缘路由器会收到网内路由器发来的恶意用户身份信息。边缘路由器会验证接收到的每一个兴趣包中的身份信息,恶意用户的请求将被直接丢弃,合法用户的请求不会受到影响。实验结果表明,该方案可以更好的消除IFA攻击,并从源头上阻止攻击的发生。