基于流分析的網(wǎng)絡異常實時檢測研究.pdf

1、近幾年來，計算機網(wǎng)絡發(fā)展異常迅猛。網(wǎng)絡規(guī)模不斷擴大，復雜性不斷增加，網(wǎng)絡的異構性越來越高。導致網(wǎng)絡出現(xiàn)各種性能問題的可能性增大，而且傳播得更為廣泛，發(fā)現(xiàn)和診斷問題的難度增大。另一方面用戶對網(wǎng)絡服務性能提出了更高的要求，這些都增加了網(wǎng)絡管理的難度。因此如何實時檢測這些網(wǎng)絡異常成為目前重要的研究課題。網(wǎng)絡流的異常檢測是網(wǎng)絡異常處理中的一個重要環(huán)節(jié)。對網(wǎng)絡流量進行實時監(jiān)測和管理，及時地發(fā)現(xiàn)網(wǎng)絡流量異常，對提高網(wǎng)絡的可靠性和可用性具有重要意義。

2、本文的主要工作如下： 本文首先介紹了異常檢測的發(fā)展概況和相關技術，對常用的檢測算法進行分析和評價，為基于流分析的網(wǎng)絡異常實時檢測方法的研究提供理論基礎。 為了實現(xiàn)異常檢測的實時性，提出一種基于穩(wěn)態(tài)模型的流異常檢測算法，采用加權均值和方差計算相結合的統(tǒng)計學方法對網(wǎng)絡流量進行穩(wěn)態(tài)建模和更新，并使用ROC曲線進行異常檢測模型的性能評估。研究表明，該算法復雜度較低，資源占用小，能夠很好的實現(xiàn)實時自動報警功能。實驗結果對進一步探索

3、實時的網(wǎng)絡流異常檢測方法和預測算法具有參考價值。 針對實際流量的非平穩(wěn)特征，提出基于時序分解的流量異常檢測算法。通過計算隨機部分參數(shù)的邊緣分布和殘差，從高維、非平穩(wěn)流量中分離出包含異常的隨機部分，揭示了流量異常對隨機部分參數(shù)的影響。實驗結果表明，由于不必將整個時間序列進行分片和單獨擬合，算法可以直接處理非平穩(wěn)流量數(shù)據(jù)，實現(xiàn)了真正意義上的網(wǎng)絡流異常檢測功能。 最后以一種常見的網(wǎng)絡異常IPForwarding異常為個案提出大