分形技术与矢量量化相结合的网络流量异常检测研究-计算机应用技术专业论文.docx

万方数据 万方数据 A Dissertation Submitted to Hebei University of Engineering For the Academic Degree of Master of Engineering Research on Anomaly Detection of Network Traffic Based on Fractal Technology and Vector Quantization Candidate ：He Yuemei Supervisor ：Prof. Liu Mingsheng Academic Degree Applied for ：Master of Engineering Specialty ：Computer Applied Technology College/Department ：School of Information and Electrical Engineering Hebei University of Engineering May, 2010 独创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的研究成果，也不包含为获得河北工程大学或其他教 育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集 体，均已在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律 结果由本人承担。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 河北工程大学 有关保留、使用学位论文的 规定。特授权 河北工程大学 可以将学位论文的全部或部分内容编入有关数据 库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。 同意学校向国家有关部门或机构送交论文的复印件和电子文档。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 签字日期： 年 月 日 导师签名： 签字日期： 年 月 日 摘 摘 要 摘 要 随着 IP 技术的飞速发展和信息化进程的不断加快，基于网络的应用服务变 得越来越广泛。但是 Internet 以及网络技术的发展也使得网络入侵攻击变得更为 普遍，数量和破坏程度也随之增加，因此有效准确地检测网络流量异常并提高网 络健壮性就变得十分必要。 近年来，分形技术和矢量量化方法是应用于网络流量异常检测的两个研究热 点。在深入研究基于分形技术的异常检测方法（简称 FB 算法）和基于矢量量化 的异常检测方法（简称 VQ 方法）的基础上，本文提出了一种新的网络异常检测 方法：分形技术与矢量量化相结合的网络异常检测方法，简称 FB-VQ 方法。 FB-VQ 方法首先采用 FB 方法检测网络异常流量，鉴于 FB 算法具有较低的 时间和空间复杂度，可对网络流量数据进行粒度较粗的处理，以便保留更多的信 息方便下一步 VQ 方法定位网络异常原因。针对检测到的异常流量，进一步采用 VQ 方法进行更加细化的检测，选择尽可能多的流量数据特征，为各个类型的攻 击建立其对应的码字，以便基于量化错误量的异常分析能更加细致地刻画数据的 异常情况，从而准确定位流量异常原因并采取相应措施。 理论分析和实验表明，FB-VQ 方法能够有效准确地检测网络异常流量，另 外该方法在技术上有一定的创新，对以后网络流量异常检测方面的研究有可借鉴 之处。 关键词：分形；矢量量化；网络流量；异常检测 I Abst Abstract Abstract With the rapid development of information technology, network-based applications and services are become more widespread. But the network intrusions and attacks have been become more pervasive and devastating, which threaten the security of Internet. It is so imperative that the robustness and security should been improved for network services and applications. In recent years, research on network anomaly detection based on fractal technology and vector quantization are two hot