隨著信息時代的高速發(fā)展,網絡用戶越來越多,傳統(tǒng)的網絡架構已經無法滿足日益增長的網絡流量的需求,嚴重影響了用戶的上網體驗。因此,現在急需一種可以對網絡流量做到實時監(jiān)控的網絡架構。軟件定義網絡(SDN,Soft Defined Networking)的提出為當前網絡中所遇到的難題提供了有效的解決方案,被業(yè)界認為是下一代互聯網的發(fā)展方向。SDN網絡架構的核心是OpenFlow協議機制,其是一種開放性的協議標準,但這種機制容易受到網絡攻擊,如何檢測出網絡攻擊是SDN網絡安全的關鍵。在此背景下本文提出了一種基于GRU-CNN的SDN異常檢測網絡架構,來增強SDN的可靠性,提高網絡的服務質量。首先,文章闡述了SDN異常檢測的研究意義和現狀,重點描述了SDN網絡架構的優(yōu)勢所在,設計了一種SDN異常檢測架構,并對SDN異常檢測架構的運行機制進行詳細地分析與研究。SDN異常檢測架構主要包括三大模塊:數據收集模塊、異常檢測模塊和數據傳輸模塊,并對每個模塊的功能和作用進行充分的研究。異常檢測實質是一個分類的過程,深度學習在分類的問題上有著天然的優(yōu)勢。門控遞歸神經單元(GRU,Gated Recurrent ...

【文章頁數】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
        1.2.1 網絡流量異常檢測研究現狀
        1.2.2 深度學習研究現狀
        1.2.3 SDN流量異常檢測現狀
    1.3 主要研究內容及創(chuàng)新點
        1.3.1 主要研究內容
        1.3.2 創(chuàng)新點
    1.4 論文組織結構
2 相關技術概述
    2.1 SDN相關技術
        2.1.1 SDN的概念
        2.1.2 SDN網絡架構
        2.1.3 OpenFlow技術
    2.2 深度學習
        2.2.1 深度學習常用框架
        2.2.2 深度學習模型
    2.3 常見的傳統(tǒng)網絡異常檢測算法
        2.3.1 基于統(tǒng)計的異常檢測
        2.3.2 基于信息熵的異常檢測
        2.3.3 基于數據挖掘的異常檢測
        2.3.4 基于深度學習的異常檢測
    2.4 本章小結
3 SDN異常檢測架構研究
    3.1 SDN異常檢測架構設計
    3.2 SDN異常檢測架構模塊研究
        3.2.1 數據收集模塊
        3.2.2 異常檢測模塊
        3.2.3 數據傳輸模塊
    3.3 SDN異常檢測運行機制
    3.4 本章小結
4 基于深度學習的SDN異常檢測模型
    4.1 基于深度學習的SDN異常檢測流程
    4.2 基于GRU-CNN的 SDN異常檢測模型
    4.3 模型的優(yōu)化
        4.3.1 優(yōu)化器
        4.3.2 正則化
    4.4 本章小結
5 實驗和結果分析
    5.1 實驗數據及配置
    5.2 實驗數據集的構造
        5.2.1 數據集介紹
        5.2.2 數據預處理
        5.2.3 模型評價標準
    5.3 實驗結果分析與對比
        5.3.1 數據集的選取
        5.3.2 不同模型結構的實驗分析
    5.4 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
攻讀碩士學位期間參與的科研項目和取得的成果
致謝



本文編號：3764887