發(fā)布時間：2019-07-26 08:49

【摘要】：隨著人們對于計算機網(wǎng)絡服務的需求與日俱增，網(wǎng)絡技術日益發(fā)展，因此網(wǎng)絡規(guī)模變得越發(fā)復雜，每日的網(wǎng)絡流量也急劇增長。而在這樣一個龐大而且復雜的模型面前，遇到了許多異常問題，比如過大的網(wǎng)絡流量超過服務器緩沖區(qū)負載導致系統(tǒng)崩潰，惡意用戶利用各種方法攻擊和入侵服務器等。不同的異常情況會給系統(tǒng)帶來不同的損失，輕則降低系統(tǒng)性能，重則使系統(tǒng)崩潰，丟失重要數(shù)據(jù)。所以為了保證網(wǎng)絡系統(tǒng)的穩(wěn)定性，安全性和高效性，需要避免這些異常情況的發(fā)生。 本文深入分析LOF鄰近點異常檢測算法，通過實驗發(fā)現(xiàn)其兩點不足，，一是當數(shù)據(jù)維度之間存在擬線性關系時異常值的計算不合理，根據(jù)該不足，提出利用馬氏距離代替?zhèn)鹘y(tǒng)的歐氏距離，解決了該問題，并利用線性變換使算法時間復雜度與之前相同。二是當數(shù)據(jù)中存在兩個不同密度的集群，并且兩個集群在多維空間位置上相鄰時對于相鄰的邊緣數(shù)據(jù)點出現(xiàn)許多誤報的情況，針對該不足，提出局部影響集合的概念，利用反最近鄰集合與最近鄰集合結合使用，解決了該問題。相比于傳統(tǒng)的LOF算法，本文提出的算法在運行時間上幾乎相同的情況下，做到了更好的檢測效果。
【圖文】：

上海交通大學碩士學位論文入侵檢測、云端漏洞掃描、和云端攻擊防御等云安全和網(wǎng)絡安全功能集成為一體，形成一個完整的統(tǒng)一威脅管理（UTM）云安全防火墻一體機產(chǎn)品和系統(tǒng)。其目的是面向中小企業(yè)基于云和網(wǎng)絡辦公、商務運營需求，特別是電商、網(wǎng)游等商家，降低初期安全設備投入；同時面向大中型企事業(yè)單位向大規(guī)模云計算平臺遷移的需求，降低總體使用成本，替代分立的網(wǎng)絡安全設備，促進用戶運營向安全穩(wěn)定可靠云計算網(wǎng)絡方向發(fā)展。新型云安全防火墻一體機產(chǎn)品，將企業(yè)內(nèi)部局域網(wǎng)與外部因特網(wǎng)隔離開來，在保證內(nèi)外網(wǎng)之間通信流量和性能的同時，保證內(nèi)網(wǎng)安全，免受網(wǎng)絡攻擊造成的故障和泄密。

圖 2-1 LOF 算法流程Figure.2-1 LOF algorithm flow近鄰數(shù)據(jù)點算法。 Neighbor）算法是在一個多維據(jù)點。此算法在機器學習，圖析算法。但由于不同算法對于同，所以在不同算法[23-30]中的中，實現(xiàn) K 最近鄰算法有一個復雜度十分大，嚴重影響系常檢測算法，需要利用具有多
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP393.08

【參考文獻】

相關期刊論文 前2條

1 陳斌;鄒賢勇;朱文靜;;PCA結合馬氏距離法剔除近紅外異常樣品[J];江蘇大學學報(自然科學版);2008年04期

2 王斌會,陳一非;基于穩(wěn)健馬氏距離的多元異常值檢測[J];統(tǒng)計與決策;2005年06期

本文編號：2519461