【摘要】：傳統(tǒng)的網(wǎng)絡(luò)流量研究主要集中在一個(gè)ISP網(wǎng)絡(luò)下研究單一鏈路上觀察到的數(shù)據(jù)包的時(shí)域特征。目前,研究人員在自相似隨機(jī)過程、長期相關(guān)性、重尾分布等領(lǐng)域的研究上取得了進(jìn)展,已證明了將基于傳統(tǒng)小波變換的多尺度分析方法應(yīng)用于流量分析是十分有效的,但是這些研究多側(cè)重于單條鏈路或者網(wǎng)絡(luò)終端,將流量看作一個(gè)一維的時(shí)間信號(hào)。然而,一個(gè)ISP的基礎(chǔ)設(shè)施通常包括100甚至1000條鏈路,而互聯(lián)網(wǎng)大概由20000個(gè)這樣的ISP組成。對(duì)其中的一條或者某幾條鏈路的流量分析不足以說明網(wǎng)絡(luò)流量的全局特征,時(shí)域分析能夠提供的信息也非常有限。流量矩陣描述了網(wǎng)絡(luò)中一段時(shí)間內(nèi)任意OD (Origin-Destination)對(duì)之間的流量分布情況,它能夠描述整個(gè)網(wǎng)絡(luò)的流量特性,目前已成為網(wǎng)絡(luò)流量工程研究中至關(guān)重要的參數(shù)。流量矩陣蘊(yùn)含著網(wǎng)絡(luò)中不規(guī)則拓?fù)浣Y(jié)構(gòu)的信息,擴(kuò)散小波對(duì)不規(guī)則拓?fù)浼岸鄬咏Y(jié)構(gòu)均可以進(jìn)行有效的時(shí)域和空間域分析,因而,本文采用擴(kuò)散小波技術(shù)對(duì)流量矩陣進(jìn)行多尺度分析,并將研究結(jié)果應(yīng)用于全局網(wǎng)絡(luò)的DDoS檢測中。本文的研究內(nèi)容主要分為以下三個(gè)方面：(1)本文首先研究了傳統(tǒng)網(wǎng)絡(luò)流量模型的特征,分析了它們優(yōu)缺點(diǎn),網(wǎng)絡(luò)流量特性及相關(guān)度量參數(shù)。(2)基于擴(kuò)散小波技術(shù)對(duì)網(wǎng)絡(luò)流量矩陣進(jìn)行了多尺度分析。通過對(duì)流量矩陣做擴(kuò)散小波變換后得到的不同尺度系數(shù)分析,選取了第四層粗略系數(shù)矩陣作為主要研究對(duì)象并從中獲取了五個(gè)重要的特征參數(shù),對(duì)原始流量矩陣進(jìn)行特征分析。(3)基于以上特征參數(shù)的分析,給出了兩種檢測單個(gè)節(jié)點(diǎn)遭受DDoS攻擊的方法：Hurst指數(shù)檢測方法和動(dòng)態(tài)閾值檢測方法。前者將描述自相似最重要的Hurst指數(shù)運(yùn)用于異常檢測中,異常檢測率達(dá)到91%；后者通過結(jié)合網(wǎng)絡(luò)流量中長相關(guān)性與短相關(guān)性特征來設(shè)置動(dòng)態(tài)閾值,異常檢測率達(dá)到93.9%,同時(shí)誤報(bào)率僅為10.9%。本文對(duì)已有的檢測方法進(jìn)行了分析與比較,提出的方法因結(jié)合了擴(kuò)散小波分析結(jié)果,選取的特征參數(shù)完好地描述了原始流量矩陣的特征,檢測DDoS異常攻擊的效率得到提升。
[Abstract]:Traditional network traffic studies focus on the temporal characteristics of data packets observed on a single ISP network. At present, researchers have made progress in the fields of self-similar stochastic process, long-term correlation, heavy-tailed distribution and so on. It has been proved that the application of traditional wavelet transform based multi-scale analysis method to traffic analysis is very effective. However, most of these researches focus on single link or network terminal. Traffic is regarded as a one-dimensional time signal. However, an ISP infrastructure usually consists of 100 or even 1000 links, and the Internet consists of about 20, 000 such ISP. The traffic analysis of one or several links is not enough to explain the global characteristics of network traffic, and the information can be provided by time domain analysis is very limited. Traffic matrix describes the traffic distribution between arbitrary OD (Origin-Destination) pairs in a network for a period of time. It can describe the traffic characteristics of the whole network and has become a crucial parameter in network traffic engineering. The traffic matrix contains the information of irregular topology in the network. Diffusion wavelet can effectively analyze the irregular topology and multi-layer structure in time domain and space domain. In this paper, the multiscale analysis of the flow matrix is carried out by using the diffusion wavelet technique, and the results are applied to the DDoS detection of the global network. The main research contents of this paper are as follows: (1) this paper firstly studies the characteristics of traditional network traffic models and analyzes their advantages and disadvantages. Network traffic characteristics and related metrics. (2) Multiscale analysis of network traffic matrix based on diffusion wavelet technology. By analyzing the different scale coefficients obtained by diffusive wavelet transform of flow matrix, the fourth layer rough coefficient matrix is selected as the main research object and five important characteristic parameters are obtained from it. (3) based on the analysis of the above characteristic parameters, two methods to detect a single node being attacked by DDoS are presented: Hurst exponent detection method and dynamic threshold detection method. The former uses the Hurst index which is the most important index to describe self-similarity in anomaly detection, and the anomaly detection rate reaches 91%. The latter sets the dynamic threshold by combining the characteristics of long correlation and short correlation in network traffic. The abnormal detection rate reaches 93.9 and the false alarm rate is only 10.9. In this paper, the existing detection methods are analyzed and compared. Because the proposed method combines the results of diffusion wavelet analysis, the selected characteristic parameters describe the characteristics of the original flow matrix perfectly, and the efficiency of detecting DDoS anomaly attacks is improved.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP393.06

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊懷雷;周喜龍;孫衛(wèi)佳;;自相似網(wǎng)絡(luò)流量模型的分析和研究[J];中國科技信息;2008年15期

2 朱靈波;戴冠中;LIN-SHI Xue-fang;RETIF Jean-Marie;任維娟;;一種基于半馬爾可夫網(wǎng)絡(luò)流量模型的延遲估計(jì)算法(英文)[J];系統(tǒng)仿真學(xué)報(bào);2008年19期

3 王暉;季振洲;朱素霞;;自相似網(wǎng)絡(luò)流量模型研究[J];智能計(jì)算機(jī)與應(yīng)用;2013年02期

4 謝高崗,閔應(yīng)驊,張大方,馬維民;一個(gè)基于實(shí)際測試的網(wǎng)絡(luò)流量模型[J];計(jì)算機(jī)工程與科學(xué);2001年05期

5 譚曉玲,許勇,張凌,梅成剛,劉蘭;基于小波分解的網(wǎng)絡(luò)流量模型[J];計(jì)算機(jī)工程與應(yīng)用;2005年09期

6 田暢,王海,鄭少仁;基于用戶行為的網(wǎng)絡(luò)流量模型及自相似性分析[J];通信學(xué)報(bào);2000年09期

7 漆華妹;陳志剛;;基于統(tǒng)計(jì)網(wǎng)絡(luò)演算的無線mesh網(wǎng)絡(luò)流量模型[J];通信學(xué)報(bào);2009年07期

8 朱淑鑫;夏欣;劉金定;;一個(gè)通用的網(wǎng)絡(luò)流量模型的設(shè)計(jì)與實(shí)現(xiàn)[J];科學(xué)技術(shù)與工程;2008年24期

9 時(shí)鴻濤;徐鵬民;王海;呂光杰;;基于周期性網(wǎng)絡(luò)流量模型的校園網(wǎng)流量預(yù)測[J];計(jì)算機(jī)應(yīng)用與軟件;2009年05期

10 陳艷;陳繼軍;;基于網(wǎng)絡(luò)流量模型方法的網(wǎng)絡(luò)流量分析研究[J];華東電力;2010年08期

相關(guān)會(huì)議論文 前2條

1 吳冰;云曉春;陳海永;;基于統(tǒng)計(jì)的網(wǎng)絡(luò)流量模型及異常流量發(fā)現(xiàn)[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)'2005論文集（上冊(cè)）[C];2005年

2 周汝強(qiáng);高軍;胡光岷;姚興苗;;基于層疊模型的網(wǎng)絡(luò)流量異常檢測[A];2006中國西部青年通信學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)重要報(bào)紙文章 前1條

1 劉少鋒;構(gòu)建智能彈性擴(kuò)展的校園網(wǎng)絡(luò)[N];中國電腦教育報(bào);2005年

相關(guān)博士學(xué)位論文 前1條

1 高波;基于時(shí)間相關(guān)的網(wǎng)絡(luò)流量建模與預(yù)測研究[D];哈爾濱工業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前8條

1 梅軒;基于擴(kuò)散小波的網(wǎng)絡(luò)流量模型研究及應(yīng)用[D];北京交通大學(xué);2016年

2 劉學(xué)文;基于分?jǐn)?shù)差和分形濾波的網(wǎng)絡(luò)流量模型[D];山東大學(xué);2011年

3 代云亮;基于多分形小波的網(wǎng)絡(luò)流量模型研究[D];電子科技大學(xué);2013年

4 陳玉華;分?jǐn)?shù)混合分?jǐn)?shù)布朗運(yùn)動(dòng)：關(guān)于計(jì)算機(jī)網(wǎng)絡(luò)流量模型的一些相關(guān)問題[D];華中科技大學(xué);2013年

5 張久坤;網(wǎng)絡(luò)流量模型與流量預(yù)測技術(shù)研究[D];西安電子科技大學(xué);2012年

6 鐘海珊;多平面交換在變長交換中的應(yīng)用及多維網(wǎng)絡(luò)流量模型的研究[D];電子科技大學(xué);2006年

7 趙博;基于多分形尺度性質(zhì)的網(wǎng)絡(luò)流量模型研究[D];華中科技大學(xué);2009年

8 王華軍;基于小波分解和ARIMA的網(wǎng)絡(luò)流量模型[D];山東大學(xué);2011年

，

本文編號(hào)：2307656