近年來，隨著互聯(lián)網(wǎng)用戶數(shù)量的持續(xù)增長和新型網(wǎng)絡應用的快速部署，針對網(wǎng)絡的流量攻擊威脅問題也愈發(fā)嚴重，分布式拒絕服務攻擊（Distributed DenialofService，DDoS）、僵尸網(wǎng)絡和蠕蟲攻擊等頻繁發(fā)生，對網(wǎng)絡的正常運行造成極大的危害。如何在高速網(wǎng)絡環(huán)境下對網(wǎng)絡異常行為進行及時感知和快速處理，對于保證網(wǎng)絡有效運行和提高服務提供能力的穩(wěn)健性具有非常重要的意義。本文依托國家973計劃重大課題——“可重構信息通信基礎網(wǎng)絡體系研究”，結合項目對異常事件精確感知的研究需求，以高速網(wǎng)絡抽樣測量獲得的數(shù)據(jù)作支撐，重點研究異常流量的檢測識別技術。鑒于流量預測模型能夠在不同時間尺度上對網(wǎng)絡流量行為的動態(tài)趨勢做出合理準確的推斷，論文采用流量預測與機器學習相結合的方法，首先，通過多維時間尺度預測實現(xiàn)對網(wǎng)絡異常流量的粗檢測，然后，再利用機器學習方法對由粗檢測判斷為正常的流量進行細檢測，最終實現(xiàn)對異常行為的精確感知。本文的主要研究內(nèi)容如下：1.針對現(xiàn)有的常用抽樣方法關注于保存流統(tǒng)計特性而忽略流量特征信息的缺陷，提出了一種特征感知的自適應流抽樣（Adaptive Flow Sampling，AFS）... 

【文章來源】：戰(zhàn)略支援部隊信息工程大學河南省

【文章頁數(shù)】：127 頁

【學位級別】：博士

【部分圖文】：

Abilene-I(1)數(shù)據(jù)MEEMD分解后得到的IMF分量4.5.3AFOPSO-RBF模型對各IMF分量的預測

【參考文獻】：
期刊論文
[1]小時間尺度網(wǎng)絡流量混沌性分析及趨勢預測[J]. 溫祥西,孟相如,馬志強,張永春.  電子學報. 2012(08)
[2]網(wǎng)絡流量異常檢測中分類器的提取與訓練方法研究[J]. 鄭黎明,鄒鵬,賈焰,韓偉紅.  計算機學報. 2012(04)
[3]基于EMD及ARMA的自相似網(wǎng)絡流量預測[J]. 高波,張欽宇,梁永生,劉寧寧,黃程波,張乃通.  通信學報. 2011(04)
[4]Internet流量模型分析與評述[J]. 張賓,楊家海,吳建平.  軟件學報. 2011(01)
[5]基于流量信息結構的異常檢測[J]. 朱應武,楊家海,張金祥.  軟件學報. 2010(10)
[6]空間高效的數(shù)據(jù)包公平抽樣算法[J]. 張進,鄔江興,鈕曉娜.  軟件學報. 2010(10)
[7]基于改進CURE聚類算法的無監(jiān)督異常檢測方法[J]. 周亞建,徐晨,李繼國.  通信學報. 2010(07)
[8]一種基于雙重Counter Bloom Filter的長流識別算法[J]. 吳樺,龔儉,楊望.  軟件學報. 2010(05)
[9]神經(jīng)網(wǎng)絡極速學習方法研究[J]. 鄧萬宇,鄭慶華,陳琳,許學斌.  計算機學報. 2010(02)
[10]網(wǎng)絡流量預測中的時間序列模型比較研究[J]. 姜明,吳春明,張旻,胡大民.  電子學報. 2009(11)

博士論文
[1]基于流量測量的高速IP業(yè)務感知技術研究[D]. 張震.解放軍信息工程大學 2012



本文編號：3512039