多变量混沌时序分析在网络流量预测上的应用分析.pdfVIP

摘要 伴随着网络攻击技术的不断提高，网络的安全性正受到前所未有的威胁，提高入侵 检测技术来应对日益发展的网络攻击手段势在必行。网络流量对网络中出现的异常状况 具有极大的敏感性，本文针对网络流量的混沌动力学特征，从混沌时序分析出发，将多 变量混沌时间序列分析理论应用到网络流量预测中，以提高入侵检测的准确性及实时性。 本文的主要工作如下： 首先，对网络流量数据进行了多变量混沌时间序列相空间重构，重点研究了嵌入维 数和时间延迟这两个重构参数的选取方法。提出了改进的关联积分法并将该方法应用到 多变量时序分析，在比较不同参数选取方法的预测效果之后，最终采用该方法进行时间 延迟和嵌入维数的计算。实验结果表明，该方法在网络流量的预测中有更好的效果。 其次，本文将局部多项式预测法、局部平均预测法和局部线性预测法应用网络流量 预测中，通过比较得出，局部多项式预测法对网络流量预测的效果更为准确。随后，将 局部多项式预测法推广到多变量时间序列，并和单变量时间序列的局部多项式预测法进 行比较，实验结果表明，多变量时序局部多项式预测法有更好的预测效果。 最后，作者编制了网络流量数据分析程序，对网络数据进行采集并将采集的数据用 到预测模型中进行分析，并采用网络数据包与网络流量做多变量混沌时间序列重构和预 测，实验结果表明，以网络流量和网络数据包作为变量的多变量混沌时间序列预测法改 进了单变量混沌时间序列预测法的效果，提高了入侵检测的准确性和实时性性能。 关键词：多变量混沌时间序列 嵌入维数相空间重构 局部多项式预测法关联积分 法网络流量预测 withworkwhichNetworkAbstractmultivariatemainmakesmethodmethodmultivariatemethodmethodmethodmethodmethodmethods．authormethodmoremethodmultivariatemultivariatemethodmodelmultivariatemethodmultivariatemethodmethoduseDimensionPhaseneverFirst．authorbetterbeRerbeenusedusedunivariatebebetterPredictionaReconstructionLocalhashashashashashasTraffiCasaasareaaaasahashasnetworknetworkreal—time．Thereconstructionreconstructionresultsnetworknetworkresultsnetworknetworkreconstructedresultsresultsreal．timeCorrelationononnetworkattacksattacks．Thisandandafterauthorandareandandnetworknetworknetworknetworknetworknetworkofofofofofofofofofoftotototototototototoflowforfollows．fotmdandandandcontinuesdetectionchaoticcharacteristicschaoticdetection’Sdata．focusdimensioncorrelationdifferentdatadatacollected．Thesedatadochaoticchaoticchaoticchaoticthethreatenedthethethetimethetrafficthethisthethetwotimethetime-seriesthethatthiseffectthethethesethreethattheextendedthetimethateffect．thatthetimethatthetimetimetimetraffic．traffictraffic．Moreovertraffictrafficseriesselectionselectedshowseries．TheshowseriesshowseriesseriesserieslocallocallocallinearlocallocallocalisitiSintrusionintrusionisininiSisisin 目 录 第一章绪论……．…………………………………………．……．1