資源描述：
《基于大數(shù)據(jù)的網(wǎng)絡(luò)異常行為檢測(cè)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)》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、工程碩士學(xué)位論文基于大數(shù)據(jù)的網(wǎng)絡(luò)異常行為檢測(cè)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)作者姓名李若鵬工程領(lǐng)域計(jì)算機(jī)技術(shù)校內(nèi)指導(dǎo)教師高英教授校外指導(dǎo)教師徐國(guó)明高級(jí)工程師所在學(xué)院計(jì)算機(jī)科學(xué)與工程論文提交日期2018年3月DesignandImplementationofNetworkAbnormalBehaviorDetectionPlatformBasedonBigDataADissertationSubmittedfortheDegreeofMasterCandidate：LiRuopengSupervisor：Prof.GaoYingSou
2、thChinaUniversityofTechnologyGuangzhou,China摘要在大數(shù)據(jù)時(shí)代的背景下，網(wǎng)絡(luò)安全得到了前所未有的重視，但是網(wǎng)絡(luò)安全問(wèn)題依然十分嚴(yán)重，主要體現(xiàn)為：一方面，網(wǎng)絡(luò)攻擊的種類(lèi)呈現(xiàn)多樣化的特征，安全數(shù)據(jù)體量呈現(xiàn)爆發(fā)式的增長(zhǎng)，傳統(tǒng)的網(wǎng)絡(luò)安全分析方法無(wú)法滿(mǎn)足海量數(shù)據(jù)分析需求；另一方面，新的攻擊模式不斷涌現(xiàn)，且網(wǎng)絡(luò)攻擊呈現(xiàn)高級(jí)持續(xù)性威脅（APT）的傾向，傳統(tǒng)的分析方法無(wú)法快速、有效地做出響應(yīng)。為了處理這些問(wèn)題，基于大數(shù)據(jù)的網(wǎng)絡(luò)異常行為檢測(cè)平臺(tái)是一種很好的解決方案。其核心概念是：結(jié)合多種大數(shù)據(jù)
3、技術(shù)解決海量安全數(shù)據(jù)的實(shí)時(shí)處理、分析、關(guān)聯(lián)、分類(lèi)、檢索和還原問(wèn)題，實(shí)現(xiàn)安全可視分析、多源事件數(shù)據(jù)關(guān)聯(lián)、用戶(hù)行為分析等一系列大數(shù)據(jù)安全分析功能。基于大數(shù)據(jù)技術(shù)的網(wǎng)絡(luò)異常行為檢測(cè)平臺(tái)的優(yōu)勢(shì)在于不依賴(lài)傳統(tǒng)規(guī)則集，能夠根據(jù)海量安全數(shù)據(jù)進(jìn)行處理、關(guān)聯(lián)、分析與建模，有效解決傳統(tǒng)工具存在的以上問(wèn)題。針對(duì)異常檢測(cè)目前的發(fā)展情況，本文提出了一種基于大數(shù)據(jù)的網(wǎng)絡(luò)異常行為檢測(cè)平臺(tái)，實(shí)現(xiàn)多種海量安全數(shù)據(jù)可靠高效的接入與存儲(chǔ)，能夠有效關(guān)聯(lián)、分析和挖掘長(zhǎng)時(shí)間、大規(guī)模的安全數(shù)據(jù)，幫助快速發(fā)現(xiàn)和定位異常，及時(shí)做出判斷和響應(yīng)。與此同時(shí)，本文設(shè)計(jì)了一種
4、網(wǎng)絡(luò)數(shù)據(jù)流特征提取與存儲(chǔ)的方案。通過(guò)這種解決方案實(shí)現(xiàn)海量網(wǎng)絡(luò)數(shù)據(jù)流的快速處理和存儲(chǔ)，從而達(dá)到降低資源消耗并提高平臺(tái)運(yùn)行效率的效果。最后，本文設(shè)計(jì)了一種重組TCP會(huì)話并計(jì)算會(huì)話統(tǒng)計(jì)特征數(shù)據(jù)的方案，通過(guò)結(jié)合流式處理技術(shù)獲取更高維度的數(shù)據(jù)特征，提高平臺(tái)整體運(yùn)行效率和異常識(shí)別能力。關(guān)鍵詞：信息安全；大數(shù)據(jù)技術(shù)；異常檢測(cè)；流式處理；TCP會(huì)話重組IAbstractUndertheeraofbigdata,cybersecurityreceivesunprecedentedattention.Howeverthereisstil
5、lsomechallengesinthisfield.Ononehand,traditionalnetworksecurityanalysismethodscannotsatisfythedemandsofmassdataanalysisduetothevariouscyber-attackfeaturesandexplosivenetworkdatavolume.Ontheotherhand,sincealargeamountofnewattackpatternsandtheAdvancedPersistentTh
6、reat(APT)appear,thetraditionalanalysismethodscannotrespondquicklyandeffectively.Thenetworkanomalydetectionplatform(NADP)basedonbigdataandmachinelearningisagoodsolutiontosolvetheseproblems.Itscoreistocombinethemassivedataprocessingtechnologywiththehigh-precision
7、abnormaldetectionbasedonmachinelearning.TheadvantageofproposedNADPdependsonaspectsasfollows.First,itisunnecessarytoconstructadatabasetomatchtheattackpatterns.Second,withtheusageofnumerousdata,themodelinNADPcanbetrainedautomatically.Therefore,theplatformisableto
8、overcomethedefectsexistingintraditionalmethods.Accordingtothecurrentdevelopmentofanomalydetection,thispaperproposesanetworkanomalydetectionplatform.Firstly,basedonbigdata,th
