基于超統(tǒng)計(jì)理論網(wǎng)絡(luò)流量異常檢測(cè)方法的研究

基于超統(tǒng)計(jì)理論網(wǎng)絡(luò)流量異常檢測(cè)方法的研究

ID:23607687

大?。?.56 MB

頁(yè)數(shù):103頁(yè)

時(shí)間:2018-11-09

基于超統(tǒng)計(jì)理論網(wǎng)絡(luò)流量異常檢測(cè)方法的研究_第1頁(yè)
基于超統(tǒng)計(jì)理論網(wǎng)絡(luò)流量異常檢測(cè)方法的研究_第2頁(yè)
基于超統(tǒng)計(jì)理論網(wǎng)絡(luò)流量異常檢測(cè)方法的研究_第3頁(yè)
基于超統(tǒng)計(jì)理論網(wǎng)絡(luò)流量異常檢測(cè)方法的研究_第4頁(yè)
基于超統(tǒng)計(jì)理論網(wǎng)絡(luò)流量異常檢測(cè)方法的研究_第5頁(yè)
資源描述:

《基于超統(tǒng)計(jì)理論網(wǎng)絡(luò)流量異常檢測(cè)方法的研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)

1、華中科技大學(xué)博士學(xué)位論文摘要隨著科學(xué)技術(shù)的不斷進(jìn)步,網(wǎng)絡(luò)技術(shù)和網(wǎng)絡(luò)的規(guī)模也隨之不斷發(fā)展和變化,一方面它使得網(wǎng)絡(luò)的結(jié)構(gòu)變得紛繁復(fù)雜,網(wǎng)絡(luò)的設(shè)備和網(wǎng)絡(luò)上承載的業(yè)務(wù)種類(lèi)不斷增加,另一方面隨著網(wǎng)絡(luò)的快速發(fā)展,網(wǎng)絡(luò)出現(xiàn)各種故障或性能問(wèn)題的可能性大大增加,各種威脅網(wǎng)絡(luò)安全和影響網(wǎng)絡(luò)正常工作的行為不斷產(chǎn)生。通過(guò)檢測(cè)網(wǎng)絡(luò)流量的異常能夠有效的發(fā)現(xiàn)網(wǎng)絡(luò)中可能存在的故障和性能問(wèn)題,它對(duì)于提高網(wǎng)絡(luò)的可用性和可靠性的有著顯著的效果,也能增強(qiáng)對(duì)網(wǎng)絡(luò)安全應(yīng)急的響應(yīng),從而保證網(wǎng)絡(luò)的服務(wù)質(zhì)量。基于網(wǎng)絡(luò)流量的異常檢測(cè)方法可分為有統(tǒng)計(jì)模型參數(shù)檢測(cè)和無(wú)統(tǒng)計(jì)模型的參數(shù)檢驗(yàn)。針對(duì)有統(tǒng)計(jì)模型參數(shù)檢測(cè)這一類(lèi)

2、方法,在建立統(tǒng)計(jì)模型或分布時(shí)應(yīng)首先要考慮序列的平穩(wěn)性。時(shí)間序列的平穩(wěn)性可分為嚴(yán)平穩(wěn)和寬平穩(wěn),只有時(shí)間序列建立在平穩(wěn)至少寬平穩(wěn)的基礎(chǔ)上才能進(jìn)行統(tǒng)計(jì)模型的研究。大多數(shù)時(shí)候指的是寬平穩(wěn)的情況,此時(shí)參量保持不變或者是變化很小。而對(duì)非平穩(wěn)的時(shí)間序列進(jìn)行平穩(wěn)化處理,大多數(shù)的非平穩(wěn)序列可以通過(guò)一階差分或多階差分處理成平穩(wěn)序列;而網(wǎng)絡(luò)流量特別是含有異常的網(wǎng)絡(luò)流量是一種復(fù)雜的非平穩(wěn)的變化過(guò)程,這也體現(xiàn)了網(wǎng)絡(luò)異常流量突發(fā)性的特點(diǎn),所以傳統(tǒng)差分轉(zhuǎn)平穩(wěn)方法一般是無(wú)效的。由于以往的研究往往沒(méi)有考慮到網(wǎng)絡(luò)的非平穩(wěn)性和突發(fā)性,及其統(tǒng)計(jì)分布參數(shù)是隨機(jī)或者是復(fù)雜變化的,由此不可避免的導(dǎo)致異常檢

3、測(cè)所存在的問(wèn)題。從網(wǎng)絡(luò)流量的非平穩(wěn)和突發(fā)性特點(diǎn)出發(fā),特別考慮到由于攻擊流量所引起的流量特性的變化,結(jié)合超統(tǒng)計(jì)理論,主要研究統(tǒng)計(jì)參量的變化。依據(jù)超統(tǒng)計(jì)的理論,首先應(yīng)建立分布統(tǒng)計(jì)模型,由于網(wǎng)絡(luò)流量的非平穩(wěn)特性在建立統(tǒng)計(jì)分布模型的同時(shí)需對(duì)網(wǎng)絡(luò)流量進(jìn)行平穩(wěn)化處理,在此基礎(chǔ)上結(jié)合網(wǎng)絡(luò)流量本身具有重尾性長(zhǎng)相關(guān)的特點(diǎn),建立廣義pareto分布模型。根據(jù)微積分分窗處理的思想可以有效降低其在子窗顯著性和復(fù)雜性,采用非平穩(wěn)序列劃分成平穩(wěn)子段,再根據(jù)流量的本身統(tǒng)計(jì)特性確定相應(yīng)的統(tǒng)計(jì)模型的基礎(chǔ)之上,由保持統(tǒng)計(jì)模型的參數(shù)在子窗內(nèi)的寬平穩(wěn)性原則進(jìn)行分窗處理。超統(tǒng)計(jì)理論本質(zhì)是研究統(tǒng)計(jì)之統(tǒng)計(jì)

4、,考慮分布統(tǒng)計(jì)模型的參量變化,I華中科技大學(xué)博士學(xué)位論文廣義pareto分布的形狀參數(shù)決定統(tǒng)計(jì)分布結(jié)構(gòu)的方向,因此形狀參數(shù)的變化反映網(wǎng)絡(luò)流量的變化。通過(guò)對(duì)系統(tǒng)結(jié)構(gòu)起決定性作用的形狀參數(shù)序列研究預(yù)測(cè)網(wǎng)絡(luò)流量,在此基礎(chǔ)上運(yùn)用檢測(cè)方法對(duì)網(wǎng)絡(luò)流量進(jìn)行異常檢測(cè)。最后根據(jù)形狀參數(shù)的預(yù)測(cè)結(jié)果進(jìn)行異常檢測(cè)。該檢測(cè)方法大大降低了計(jì)算的復(fù)雜度,通過(guò)大量實(shí)驗(yàn)表明該方法具有良好的效果。從網(wǎng)絡(luò)流量的復(fù)雜性和網(wǎng)絡(luò)流量具有的混沌特性出發(fā),將一維空間信息重構(gòu)到多維空間,雖然增加系統(tǒng)的維數(shù),但重構(gòu)后的序列一方面能讓信息分布在不同的維度,能夠更加充分的展現(xiàn)系統(tǒng)的細(xì)節(jié)信息,能夠在不同維度上全面的分

5、析系統(tǒng),另外一方面重構(gòu)使每一維的計(jì)算復(fù)雜度大大降低,從而達(dá)到降低整個(gè)系統(tǒng)復(fù)雜度的目的。經(jīng)過(guò)相空間重構(gòu)后,網(wǎng)絡(luò)流量仍然是一個(gè)非平穩(wěn)的復(fù)雜過(guò)程,考慮到網(wǎng)絡(luò)的非平穩(wěn)性和突發(fā)性,及其統(tǒng)計(jì)分布參數(shù)是隨機(jī)或者是復(fù)雜變化的,因此采用超統(tǒng)計(jì)理論來(lái)研究網(wǎng)絡(luò)流量這類(lèi)非平穩(wěn)的復(fù)雜過(guò)程。另外針對(duì)網(wǎng)絡(luò)流量的異常是從平衡態(tài)到另一平衡態(tài)過(guò)程的暫態(tài)過(guò)程,該過(guò)程是復(fù)雜的非平穩(wěn)的突變過(guò)程,提出了一種基于突變理論的綜合決策模型,既能有效的處理平衡態(tài)之間的暫態(tài)過(guò)程,又改變依靠單一參數(shù)序列的局限性,綜合考慮多參數(shù)序列融合,提高的系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性。此外與其他網(wǎng)絡(luò)流量異常檢測(cè)模型相比,該方法具有計(jì)算復(fù)

6、雜度低,檢出率高和誤檢率低等特點(diǎn)。本研究得到項(xiàng)目編號(hào)為No.60773192的國(guó)家自然基金研究計(jì)劃支持,項(xiàng)目名稱(chēng)為基于相空間突變模型的網(wǎng)絡(luò)異常流量檢測(cè)方法研究。關(guān)鍵詞:超統(tǒng)計(jì),分布模型,網(wǎng)絡(luò)流量,異常檢測(cè)II華中科技大學(xué)博士學(xué)位論文AbstractWiththefastincreaseofnetworkconnections,theproblemofintrusiondetectionbecomesmoreandmoreimportant.Althoughinternetservicecanprovideusefulinformationduetoitsope

7、nproperty,itshouldalsobenoticedthatthenumberofnetworkintrusionsincreasesfasterthanbefore,whichintroducesalotofinconveniencetotheusers.Networktrafficanomalydetectionisusuallydividedintotwobasiccategories.Theoneisbasedonstatisticalmodel(whichfirstpredictandthendetectonthestatisticalmo

8、delorthedistributio

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。