基于統(tǒng)計學(xué)習(xí)理論的網(wǎng)絡(luò)異常流量分析方法研究.pdf

1、隨著互聯(lián)網(wǎng)規(guī)模的日益擴(kuò)大，其承載的業(yè)務(wù)和應(yīng)用也相應(yīng)快速增長，人們在享受Internet帶來種種便利的同時，網(wǎng)絡(luò)安全問題日漸突出，給網(wǎng)絡(luò)監(jiān)管提出了重大的挑戰(zhàn)。作為判別網(wǎng)絡(luò)運行是否正常的關(guān)鍵，網(wǎng)絡(luò)流量的數(shù)據(jù)分析技術(shù)是通過及時發(fā)現(xiàn)網(wǎng)絡(luò)中的異常流量以采取相應(yīng)措施來保持網(wǎng)絡(luò)正常運行的一種手段。因此，異常流量分析技術(shù)的研究在網(wǎng)絡(luò)管理中顯得尤為重要，對提高網(wǎng)絡(luò)的可用性和可靠性，保證網(wǎng)絡(luò)的服務(wù)質(zhì)量具有重大的意義。
　　 根據(jù)網(wǎng)絡(luò)流量數(shù)據(jù)的特點，

2、本文研究了基于統(tǒng)計學(xué)習(xí)理論的網(wǎng)絡(luò)異常流量分析技術(shù)。首先，探討了目前網(wǎng)絡(luò)流量研究的主要內(nèi)容和發(fā)展趨勢，比較了現(xiàn)有的流量分析技術(shù)，并且分析其各自的優(yōu)缺點。針對現(xiàn)有方法存在的處理高維數(shù)據(jù)困難、樣本流量需求大、網(wǎng)絡(luò)特征分析算法復(fù)雜度高等問題，利用支持向量機(jī)對小樣本集具有泛化能力強(qiáng)，分類精度高的優(yōu)點，深入論述該方法在異常流量分析中的適用性，提出應(yīng)用支持向量機(jī)進(jìn)行網(wǎng)絡(luò)異常流量的分類、識別和分析方法；其次，采用網(wǎng)絡(luò)偵聽技術(shù)獲取網(wǎng)絡(luò)流量，解決了流量采集

3、過程中對網(wǎng)絡(luò)設(shè)備影響大、存儲困難等問題；然后，論證了應(yīng)用信息熵作為流量特征的原理，以及特征向量的預(yù)處理方法，簡化了網(wǎng)絡(luò)流量數(shù)據(jù)的特征選擇與特征提取的步驟；最后，以P2P流量檢測為例，將支持向量機(jī)應(yīng)用到P2P流量和常規(guī)網(wǎng)絡(luò)流量的分類識別中，獲得較好的效果。并通過訓(xùn)練結(jié)合交叉驗證法得到了合理的核函數(shù)參數(shù)和分類器，探討了主要參數(shù)的調(diào)整對支持向量機(jī)性能的影響。
　　 在上述研究的基礎(chǔ)上，本文設(shè)計了網(wǎng)絡(luò)異常流量分析系統(tǒng)，總體結(jié)構(gòu)采用模塊化