訪問超點是網(wǎng)絡(luò)中在一段時間內(nèi)與遠大于平均值數(shù)量的對端有交互行為的主機。訪問超點檢測算法的目標就是找出流量中連接對端數(shù)大于閾值的所有主機。訪問超點一般是服務(wù)器、代理、掃描器和被DDoS攻擊的主機。訪問超點檢測對網(wǎng)絡(luò)安全和網(wǎng)絡(luò)管理有重要的意義,也是這個領(lǐng)域一個沒有完全解決的熱點問題。現(xiàn)有訪問超點檢測算法存在如下缺陷:算法運行時間長,無法實時處理高速網(wǎng)絡(luò)數(shù)據(jù);不能在滑動時間窗口下運行,無法檢測跨越時間窗口邊界的訪問超點;分布式環(huán)境下通信開銷大等。本文針對上述三個問題分別進行了研究。本文將GPU（Graphics Processing Unit）并行計算方法引入了訪問超點檢測的研究領(lǐng)域,解決了訪問超點檢測的實時性問題。基于Bernstein條件等并行計算的相關(guān)基礎(chǔ)理論,給出了一組用于判定訪問超點檢測算法是否能在GPU環(huán)境中并行運行的條件,并提出了一個基于GPU的通用訪問超點檢測框架。利用該框架,將三個現(xiàn)有的符合條件的訪問超點檢測算法移植到了三個不同性能的GPU平臺上,并基于10Gb/s和40Gb/s帶寬的實測流量進行了測試。實驗結(jié)果表明,對于符合條件的訪問超點檢測算法,GPU通用訪問超點檢測框... 

【文章來源】：東南大學(xué)江蘇省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：137 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
本論文專用術(shù)語
第1章 緒論
    1.1 互聯(lián)網(wǎng)中的訪問超點
    1.2 訪問超點定義
    1.3 訪問超點檢測現(xiàn)有相關(guān)工作
        1.3.1 精確訪問超點檢測算法(統(tǒng)計方法)
        1.3.2 基于估值的訪問超點檢測算法
        1.3.3 利用GPU加速訪問超點檢測
        1.3.4 現(xiàn)有工作的不足
    1.4 實驗平臺
        1.4.1 CERNET南京主節(jié)點
        1.4.2 NBOS的訪問超點檢測功能
        1.4.3 IPTAS
    1.5 研究目標和研究內(nèi)容
    1.6 論文的組織結(jié)構(gòu)
第2章 基于估算的訪問超點檢測算法
    2.1 基數(shù)估算算法
        2.1.1 基數(shù)估算算法原理
        2.1.2 PCSA算法
        2.1.3 LogLog算法與HperLogLog算法
        2.1.4 LE算法
    2.2 現(xiàn)有的訪問超點的估算檢測算法
        2.2.1 DCDS算法
        2.2.2 VBFA算法
        2.2.3 CSE算法
        2.2.4 CBF算法
    2.3 訪問超點檢測算法的評價
        2.3.1 錯誤率
        2.3.2 占用內(nèi)存
        2.3.3 計算時間
        2.3.4 適用環(huán)境
    2.4 基于實測數(shù)據(jù)的實驗對比(CPU平臺)
        2.4.1 實驗方案
        2.4.2 實驗數(shù)據(jù)
        2.4.3 各組實驗數(shù)據(jù)下的實驗結(jié)果
        2.4.4 各算法內(nèi)存使用對比
        2.4.5 各算法總錯誤率對比
        2.4.6 各算法運行時間對比
        2.4.7 實驗總結(jié)
    2.5 本章總結(jié)
第3章 基于GPU的實時訪問超點檢測框架
    3.1 GPU通用計算
    3.2 訪問超點檢測算法在GPU上運行的條件
    3.3 現(xiàn)有算法在GPU上運行的可行性
        3.3.1 不可并行的訪問超點檢測算法
        3.3.2 可并行的訪問超點檢測算法
    3.4 基于GPU的訪問超點檢測通用框架
        3.4.1 算法初始化
        3.4.2 緩存IP地址對
        3.4.3 掃描IP地址對
        3.4.4 估算訪問超點
    3.5 GPU實時訪問超點檢測實驗
        3.5.1 實驗環(huán)境和實驗方案
        3.5.2 訪問超點檢測算法在GPU上運行的時間測度
        3.5.3 DCDS算法在GPU上的運行結(jié)果
        3.5.4 VBFA算法在GPU上的運行結(jié)果
        3.5.5 CSE算法在GPU上的運行結(jié)果
        3.5.6 不同GPU平臺對算法運行時間的影響
        3.5.7 GPU平臺實驗總結(jié)
    3.6 本章小節(jié)
第4章 面向滑動時間窗口的訪問超點檢測算法
    4.1 離散時間窗口與滑動時間窗口
    4.2 滑動時間窗口下的基數(shù)估算與訪問超點檢測
        4.2.1 滑動時間窗口下的基數(shù)估算
        4.2.2 滑動時間窗口下的訪問超點估算
    4.3 模糊估值原理和滑動模糊估值器
        4.3.1 模糊估值器
        4.3.2 滑動模糊估值器
        4.3.3 滑動線性估值器
    4.4 基于SRE和SLE的訪問超點檢測
        4.4.1 滑動估值器矩陣
    4.5 SRLA算法
        4.5.1 核心數(shù)據(jù)結(jié)構(gòu)的更新方法
        4.5.2 估算候選訪問超點連接對端數(shù)
        4.5.3 窗口邊界的數(shù)據(jù)維護
        4.5.4 SRLA在GPU上的并行實現(xiàn)
    4.6 本章實驗
        4.6.1 實驗?zāi)康呐c方案
        4.6.2 SRLA算法在離散時間窗口下的實驗結(jié)果
        4.6.3 離散時間窗口下SRLA算法占用內(nèi)存與錯誤率對比
        4.6.4 離散時間窗口下SRLA算法運行時間分析
        4.6.5 SRLA算法在滑動時間窗口下的實驗
        4.6.6 實驗總結(jié)
    4.7 SRLA算法總結(jié)
第5章 低狀態(tài)維護時間的連接對端數(shù)估算算法
    5.1 滑動時間窗口下低狀態(tài)維護時間的計數(shù)器
    5.2 基于異步時間戳的連接對端數(shù)估算算法
        5.2.1 虛擬異步時間戳估計器
        5.2.2 將VATE部署于GPU
    5.3 滑動時間窗口下的VATE實驗
        5.3.1 計數(shù)器個數(shù)對算法準確率和內(nèi)存占用的影響
        5.3.2 VATE運行時間分析
        5.3.3 VATE算法實驗總結(jié)
    5.4 本章總結(jié)
第6章 分布式訪問超點檢測
    6.1 分布式訪問超點檢測模型與難點
        6.1.1 檢測模型
        6.1.2 要求與難點
        6.1.3 本文的解決思路
    6.2 基于RE的分布式訪問超點檢測算法
        6.2.1 READ算法原理
        6.2.2 分布式掃描IP地址對
        6.2.3 生成全局候選訪問超點
        6.2.4 估算全局訪問超點
    6.3 基于GPU的分布式訪問超點檢測
    6.4 滑動時間窗口下的分布式訪問超點檢測
    6.5 READ算法實驗分析
        6.5.1 實驗結(jié)果
        6.5.2 READ算法與現(xiàn)有算法的內(nèi)存和錯誤率對比
        6.5.3 READ算法的運行時間對比
        6.5.4 觀測點與全局服務(wù)器傳輸數(shù)據(jù)分析
        6.5.5 READ算法實驗總結(jié)
    6.6 本章總結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 本論文的創(chuàng)新點與成果
        7.2.1 訪問超點檢測算法移植到GPU上的條件與通用框架
        7.2.2 將模糊估值器引入訪問超點檢測算法
        7.2.3 滑動時間窗口下的訪問超點檢測算法
        7.2.4 滑動時間窗口下的異步時間戳計數(shù)器
        7.2.5 分布式環(huán)境下低通信開銷的訪問超點檢測算法
    7.3 不足及展望
        7.3.1 將SRLA部署在高速信道上或大規(guī)模網(wǎng)絡(luò)邊界實時運行
        7.3.2 利用VATE算法實現(xiàn)訪問超點檢測
        7.3.3 訪問超點的分類研究
        7.3.4 IPv6網(wǎng)絡(luò)的訪問超點檢測
致謝
參考文獻
附錄A
作者簡介 (包括在學(xué)期間發(fā)表的論文和取得的學(xué)術(shù)成果清單)


【參考文獻】：
期刊論文
[1]基于馬爾可夫鏈的網(wǎng)絡(luò)蠕蟲傳播模型[J]. 周翰遜,郭薇,劉建,賈大宇.  通信學(xué)報. 2015(05)
[2]基于圖形處理器（GPU）的通用計算[J]. 吳恩華,柳有權(quán).  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2004(05)

博士論文
[1]面向CPU/GPU混合架構(gòu)的地理空間分析負載均衡并行技術(shù)研究[D]. 周琛.南京大學(xué) 2018
[2]基于CPU與GPU的大跨結(jié)構(gòu)風(fēng)場模擬[D]. 李頔.華南理工大學(xué) 2017
[3]網(wǎng)絡(luò)蠕蟲的傳播模型及其檢測技術(shù)研究[D]. 李青茹.西安電子科技大學(xué) 2016
[4]CPU-GPU異構(gòu)高性能計算中的負載預(yù)測調(diào)度算法研究及應(yīng)用[D]. 沈文楓.上海大學(xué) 2016
[5]高速網(wǎng)絡(luò)流量測量關(guān)鍵問題研究[D]. 周愛平.東南大學(xué) 2015
[6]基于中國剩余定理的模擬編碼結(jié)構(gòu)光三維測量方法研究[D]. 王洋.哈爾濱理工大學(xué) 2014
[7]海量遙感數(shù)據(jù)的高性能處理及可視化應(yīng)用研究[D]. 周松濤.武漢大學(xué) 2013

碩士論文
[1]NBOS基礎(chǔ)服務(wù)器角色庫的建立與應(yīng)用[D]. 洪沿.東南大學(xué) 2018
[2]IPTAS基準TCP流數(shù)據(jù)集的建立和應(yīng)用[D]. 鄧路.東南大學(xué) 2017



本文編號：3625159