發(fā)布時間：2020-02-07 10:58

【摘要】：隨著互聯(lián)網的高速發(fā)展與廣泛應用,人們的生活與工作越來越便利。但是人們在利用互聯(lián)網進行生活與娛樂的同時網絡上會有大量的網絡流量數(shù)據產生。這些數(shù)據大部分是沒有危害的,只是用于信息的交互,但肯定還是會有一些威脅隱藏在網絡流量中,這些威脅可能會對網絡或網絡上的主機等造成不同程度的危害等。正是因為這些威脅的存在,現(xiàn)在越來越多的研究機構或企業(yè)開始關注網絡中的數(shù)據,他們一直努力想在這些數(shù)據的基礎上取得成果:有些研究者從流量數(shù)據中分析潛在的威脅,提出了各種檢測算法;有些研究者分析了流量數(shù)據的特點,并利用這些數(shù)據研究網絡安全,比如通過分析數(shù)據的特點研究網絡安全的技術手段如防火墻等;還有一些想利用這些數(shù)據來預測趨勢變化,從而提前部署安全防范措施或者改善已有的安全技術。然而,想要研究這些數(shù)據,必須要能夠采集到數(shù)據。這樣一來,如何快速穩(wěn)健的采集、保存與分析這些數(shù)據就成了一個難題。本文首先對網絡環(huán)境下的多源數(shù)據,尤其是對不同類別流量數(shù)據的特點進行了驗證分析,然后在此基礎上提出了一種綜合的預測算法用于趨勢預測,最后提出了一個多源數(shù)據采集分析框架用于采集分析數(shù)據�？傊�,本文的研究包括以下幾個方面:1.分析了多源數(shù)據預測算法、采集方法的研究現(xiàn)狀:研究了基于時間序列的預測算法現(xiàn)狀;以網絡流量的采集方法為例,研究了多源數(shù)據采集方法的現(xiàn)狀;2.研究網絡環(huán)境下多源數(shù)據的特點:以有線網絡流量數(shù)據與無線網絡流量數(shù)據為例,研究其長度、周期、自相似特征等特點及其分析方法,并對多源數(shù)據的特點研究做出總結;3.研究了多源數(shù)據趨勢預測模型:研究了FARIMA模型,在此基礎上提出一種新的基于小波變換與時間序列相結合的算法用于多源數(shù)據預測,并用真實的網絡流量數(shù)據進行了實驗,經實驗分析表明該預測算法可以有效的減少大量計算,并能提高預測準確率。4.在研究了多源數(shù)據特點與數(shù)據預測模型的基礎上,提出了一種針對多源數(shù)據采集分析框架,該框架有效的結合了Nagios網絡監(jiān)控工具以及多源數(shù)據趨勢預測模型,使用“主動+被動”多層分布式模型采集、存儲、分析多種來源的數(shù)據。該系統(tǒng)最基本的目的是用于網絡監(jiān)控,通過大量的測試表明該系統(tǒng)增加了對數(shù)據的分析之后,不僅能夠完成大量的采集監(jiān)控任務,還可以更好的維護網絡安全。
【圖文】：

圖 5-2 多源數(shù)據采集分析系統(tǒng)網絡架構5.2 系統(tǒng)整體設計系統(tǒng)包括采集子系統(tǒng)模塊(各種客戶端與代理)、采集監(jiān)聽服務器與采集服務器模塊、采集監(jiān)控管理中心模塊、數(shù)據與備份中心模塊等四個主要的模塊，如圖5-3 所示。采集監(jiān)控管理中心模塊主要是用于監(jiān)控各個采集服務器中心與采集客戶端的異常，并接收下層傳輸來的數(shù)據，進行匯總，，提供圖形化的界面方便管理員查看。另外，采集監(jiān)控管理中心主要是以 Nagios 的框架為基礎的，因此這里還保留了Nagios 的一些功能，包括資源監(jiān)控等。同時采集監(jiān)控管理中心提供了數(shù)據分析的能力，如第三章、第四章所描述的數(shù)據特征分析、數(shù)據趨勢預測都在監(jiān)控管理中心完成，并且分析的結果將會為采集服務器制定一些合理的策略。采集監(jiān)聽服務器模塊：負責監(jiān)聽采集客戶端與采集代理的連接請求，并判斷采集的數(shù)據類型、采集的客戶端類型，從線程池中取出線程處理數(shù)據的解析、分

圖 5-2 多源數(shù)據采集分析系統(tǒng)網絡架構5.2 系統(tǒng)整體設計系統(tǒng)包括采集子系統(tǒng)模塊(各種客戶端與代理)、采集監(jiān)聽服務器與采集服務器模塊、采集監(jiān)控管理中心模塊、數(shù)據與備份中心模塊等四個主要的模塊，如圖5-3 所示。采集監(jiān)控管理中心模塊主要是用于監(jiān)控各個采集服務器中心與采集客戶端的異常，并接收下層傳輸來的數(shù)據，進行匯總，提供圖形化的界面方便管理員查看。另外，采集監(jiān)控管理中心主要是以 Nagios 的框架為基礎的，因此這里還保留了Nagios 的一些功能，包括資源監(jiān)控等。同時采集監(jiān)控管理中心提供了數(shù)據分析的能力，如第三章、第四章所描述的數(shù)據特征分析、數(shù)據趨勢預測都在監(jiān)控管理中心完成，并且分析的結果將會為采集服務器制定一些合理的策略。采集監(jiān)聽服務器模塊：負責監(jiān)聽采集客戶端與采集代理的連接請求，并判斷采集的數(shù)據類型、采集的客戶端類型，從線程池中取出線程處理數(shù)據的解析、分
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP393.08

【參考文獻】

相關期刊論文 前2條

1 陳鏗;韓伯棠;;混沌時間序列分析中的相空間重構技術綜述[J];計算機科學;2005年04期

2 張弦;王宏力;張金生;孫淵;;狀態(tài)時間序列預測的貝葉斯最小二乘支持向量機方法[J];西安交通大學學報;2010年10期

相關碩士學位論文 前1條

1 王昶;改進遺傳神經網絡在時間序列預測中的研究與應用[D];四川師范大學;2010年

本文編號：2577156