基于卡尔曼滤波器的自适应网络异常检测方法-通信与信息系统专业论文.docxVIP

ADAPTIVE METHOD FOR ANOMALY DETECTION BASED ON KALMAN FILTER ABSTRACT Nowadays, with the rapid development of computer network technology, the node number, scale and topology complexity of Internet have been increasing exponentially. However, at the same time, network attacks, P2P flood and computer virus are coming along the way, which brings about anomaly network flow resulting in network congestion, denial of service and even network paralysis. In this paper, I make a deep analysis on the variance behavior of a network device caused by anomaly and thus improve the original Kalman Filter by exponentially smoothing its noise vector in a adaptive way. In addition, I put forward an adaptive kind of algorithm and model for anomaly detection which is real-time, expansible and predictable. By implementing this low-cost and real-time algorithm, we can detect anomaly on single-node or multi-node in a network of large scale. Finally, I validate the algorithm and model in the real network by using SNMP and also make certain analysis on the data I get. Keywords: Kalman Filter, Single-node Anomaly Detection, Multi-node Anomaly Monitoring, SNMP 英文缩略语表 ASN.1：抽象语法表示（Abstract Syntax Notation 1） CCITT：国际电报电话咨询委员会（Consultative Committee for International Telegraph and Telephone） IETF：互联网工程任务组（The Internet Engineering Task Force） IOS：国际标准化组织（International Organization for Standards） MIB：管理信息库（Management Information Base） QoS：服务质量（Quality of Service） RFC：请求注解（Request For Comments） SMI：管理信息结构（Structure of Management Information） SNMP：简单网络管理协议（Simple Network Management Protocol） 目 录 摘 要 ABSTRACT 英文缩略语表 第一章 绪论 1 1.1 课题背景及研究意义 1 1.2 课题研究目的 1 1.3 国内外研究现状 2 1.4 研究内容及研究方案 3 1.5 本文主要内容概述 4 1.6 本文的结构安排 5 第二章 卡尔曼滤波器及其在网络异常检测应用中的优势 7 2.1 卡尔曼滤波器的估计原型 7 2.2 卡尔曼滤波器的估计原理 9 2.3 离散卡尔曼滤波器算法 12 2.4 卡尔曼滤波器在异常检测应用中的优势 14 2.5 本章小结 15 第三章 卡尔曼滤波器在网络异常检测应用中的改进 17 3.1 传统卡尔曼滤波器的缺陷 17 3.2 常用的时间序列预测方法 18 3.2.1 全期平均法 18 3.2.2 移动平均法 19 3.2.3 指数平滑法 21 3.3 基于指数平滑的滤波器噪声系数 Q、R 的动态调整 22 3.4 改进后的卡尔曼滤波器算法