軟件定義光網(wǎng)絡(luò)（SDON）中,控制平面可能遭遇入侵威脅從而對(duì)網(wǎng)絡(luò)的穩(wěn)定可靠服務(wù)供給造成影響。文章針對(duì)SDON集中控制平面安全問(wèn)題提出了一種基于機(jī)器學(xué)習(xí)的入侵檢測(cè)策略,采用孤立森林算法來(lái)檢測(cè)點(diǎn)異常,采用指數(shù)權(quán)重移動(dòng)平均（EWMA）算法來(lái)檢測(cè)序列異常。理論分析和仿真實(shí)驗(yàn)結(jié)果表明,所提的基于機(jī)器學(xué)習(xí)的SDON檢測(cè)技術(shù)能夠?qū)崿F(xiàn)90%點(diǎn)異常檢測(cè)準(zhǔn)確率和85%序列異常檢測(cè)準(zhǔn)確率。 

【文章來(lái)源】：光通信研究. 2020,(06)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

異常序列檢測(cè)

所有訓(xùn)練數(shù)據(jù)測(cè)試均在國(guó)家科學(xué)基金會(huì)網(wǎng)絡(luò)(NSFNET)中生成,如圖2所示。對(duì)于基于點(diǎn)異常的檢測(cè)方案,假設(shè)用戶經(jīng)常使用其中的部分光節(jié)點(diǎn),業(yè)務(wù)鏈路在這些節(jié)點(diǎn)對(duì)中建立。使用節(jié)點(diǎn)集{0、1、2、4、5 }中的隨機(jī)源—目標(biāo)對(duì)生成10 000個(gè)訓(xùn)練數(shù)據(jù)實(shí)例。為了直觀地表明結(jié)果,選擇了光網(wǎng)絡(luò)的兩個(gè)特征,即所需帶寬和路由長(zhǎng)度。生成的帶寬遵循高斯分布,即N(15,3),平均帶寬為15 GHz,方差為3。路由長(zhǎng)度采用Dijkstra算法計(jì)算。首先利用訓(xùn)練數(shù)據(jù)集進(jìn)行孤立森林訓(xùn)練。對(duì)于孤立森林算法來(lái)說(shuō),一個(gè)小子采樣就足夠用于從正常數(shù)據(jù)中區(qū)分異常。一般將subsample size設(shè)置在28=256即可保證在一個(gè)較大的數(shù)據(jù)范圍內(nèi)實(shí)現(xiàn)異常檢測(cè)。根據(jù)經(jīng)驗(yàn)值發(fā)現(xiàn),路徑長(zhǎng)度通常在Number of trees設(shè)置為100時(shí)收斂得最好。調(diào)整Tree height會(huì)更改異常分?jǐn)?shù)的粒度,本文經(jīng)多次試驗(yàn)發(fā)現(xiàn),將Tree height取為8表現(xiàn)比較好。為了測(cè)試本文所提方案,仿真中使用2 000個(gè)數(shù)據(jù)實(shí)例(里面包含了30個(gè)異常數(shù)據(jù))作為測(cè)試數(shù)據(jù)集。對(duì)于異常數(shù)據(jù),在[0,60] GHz內(nèi)隨機(jī)設(shè)置所需帶寬,隨機(jī)選擇源—目標(biāo)節(jié)點(diǎn)對(duì)。仿真結(jié)果如圖3所示,紅色的點(diǎn)聲明為入侵點(diǎn)。從中檢測(cè)出了27個(gè)異常點(diǎn)(27/30),檢測(cè)準(zhǔn)確率為90%。

首先利用訓(xùn)練數(shù)據(jù)集進(jìn)行孤立森林訓(xùn)練。對(duì)于孤立森林算法來(lái)說(shuō),一個(gè)小子采樣就足夠用于從正常數(shù)據(jù)中區(qū)分異常。一般將subsample size設(shè)置在28=256即可保證在一個(gè)較大的數(shù)據(jù)范圍內(nèi)實(shí)現(xiàn)異常檢測(cè)。根據(jù)經(jīng)驗(yàn)值發(fā)現(xiàn),路徑長(zhǎng)度通常在Number of trees設(shè)置為100時(shí)收斂得最好。調(diào)整Tree height會(huì)更改異常分?jǐn)?shù)的粒度,本文經(jīng)多次試驗(yàn)發(fā)現(xiàn),將Tree height取為8表現(xiàn)比較好。為了測(cè)試本文所提方案,仿真中使用2 000個(gè)數(shù)據(jù)實(shí)例(里面包含了30個(gè)異常數(shù)據(jù))作為測(cè)試數(shù)據(jù)集。對(duì)于異常數(shù)據(jù),在[0,60] GHz內(nèi)隨機(jī)設(shè)置所需帶寬,隨機(jī)選擇源—目標(biāo)節(jié)點(diǎn)對(duì)。仿真結(jié)果如圖3所示,紅色的點(diǎn)聲明為入侵點(diǎn)。從中檢測(cè)出了27個(gè)異常點(diǎn)(27/30),檢測(cè)準(zhǔn)確率為90%。在時(shí)間序列檢測(cè)中,使用現(xiàn)網(wǎng)中某地的實(shí)際流量數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集[18],包括1 500個(gè)訓(xùn)練數(shù)據(jù)實(shí)例。使用EWMA算法來(lái)擬合曲線,根據(jù)EWMA算法的表達(dá)式,系數(shù)β選為 0.9,0.9 10 ≈ 1 e ,因此認(rèn)為此時(shí)是近10個(gè)數(shù)值的加權(quán)平均,雖然曲線有些波動(dòng),但總體能擬合真實(shí)數(shù)據(jù),符合網(wǎng)絡(luò)數(shù)據(jù)波動(dòng)。生成20個(gè)異常數(shù)據(jù)將它們隨機(jī)插入測(cè)試數(shù)據(jù)中。圖4所示為EWMA算法擬合而成的曲線圖,由此用3-sigma理論進(jìn)行上下界計(jì)算并判斷。通過(guò)該方案,完成了20次測(cè)試,平均檢測(cè)準(zhǔn)確率超過(guò)85%。


本文編號(hào)：3296110