- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
网络流量异常检方法研究及仿真平台研制.pdf
摘要
摘要
在计算机网络规模和应用领域不断扩大的今天,网络已经成为人们日常工作
和生活的重要组成部分。而随着网络应用范围的扩大,由网络攻击、蠕虫病毒、
恶意下载、设备异常等因素导致的网络流量异常可能严重影响网络性能、干扰网
络正常运行。如何及时而准确的检测网络流量异常,保证网络的正常运行,为用
户提供一个良好的网络环境成为备受国内外学术界和工业界关注的研究课题。
网络流量异常检测方法按照其检测范围分类,可以分为局部异常检测和全局
异常检测。局部流量异常检测方法认为异常流量会在网络中的某一个节点或者某
一条链路上较为明显地表现出来,因此可以将流量视为一个一维时间信号,利用
一维时间信号的分析方法进行分析,得出异常检测结论。全局异常检测认为某些
异常无法在单条链路的流量上明显的表现出来,如DDoS(分布式拒绝服务)攻击、
蠕虫传播等,要检测这类异常就必须以整个网络的多个流量信号作为基础进行检
测。本文在局部异常检测和全局异常检测两方面都进行了研究。
在局部异常检测方面,本文提出了一种尺度可调的多分辨网络流量异常检测
方法,可以提高检测的针对性和检测精度。通过引入S变换,使得我们可以根据
流量信号的频谱特征自动调整分频信号的频谱宽度,符合异常特征;通过信号自
适应重构后的再次检测,进一步确认异常特征,提高了检测的可靠性。
在全局异常检测方面,本文提出了一种全局的多流量多参数相关异常检测方
异常流量信号在频率、幅值变化特征等方面具有相似性这一特点,将这种相似性
作为检测的依据来检测异常。首先得到多个OD流或链路流量的多个参数,然后
对每条流量的这些参数进行ICA(IndependentComponentAnalysis)分析,估计出
该流量的异常行为特征变量序列,最后利用K.L变换进行多个OD流或链路之间
的全局相关分析,判断是否出现异常。
在实际应用中,全局异常检测系统应该是一个分布式的检测系统,为了减轻
中心检测节点的计算负担,提高检测效率,本文提出了一种分布式网络流量异常
检测机制,并利用该机制研制了分布式网络流量异常检测仿真平台。该仿真平台
通过两级检测机制,可以减轻中心节点的计算负担;通过将网络参数统计部分和
摘要
异常检测部分相分离,实现了平台的通用性和可扩展性。
果可以看出,所提出的局部和全局流量异常检测方法,都取得了令人满意的检测
结果,从而验证了算法的有效性。这些检测算法及机制,可以作为网络安全整体
解决方案的一个组成部分,与其他安全设备之间进行紧密的联系,共同解决网络
安全问题。
关键词:流量异常,尺度可调节,全局检测,独立成分分析,仿真平台
Abstract
Abstract
Withthescale of hasbecomemoreandmore in
increasingnetwork,it important
the life.Andwiththeextensive ofthe traffic
daily applicationnetwork,network
anomaliesthenetwork moreoften.Todetect and
impact performance anomalyrapidly
andto to isoneof of
accuratelyrespondanomalycorrectly the ensuring
precondition
theeffluentnetwork detectionofanomaloustraffic a
文档评论(0)