DDoS攻击会对SDN造成毁灭性的打击，如何高效精准地检测出DDoS攻击就显得尤为重要。针对该问题，提出了一种在SDN环境下基于Rényi-RF-XGBoost的DDoS攻击检测方案。使用Rényi熵提取特征并对随机森林进行改进，通过集成学习将其与XGBoost进行融合，对网络流量进行分类预测，从而实现针对DDoS攻击的检测。此外，采用交叉熵损失和袋外误差对所提模型进行评价，通过相关检测指标对实验结果进行实时观察验证。结果表明，所提出的方法不仅有较低的交叉熵损失和袋外误差，相比于其他方法还提高了检测精度、精确率和召回率，缩短了检测时间，降低了误报率。