【摘要】：伴隨信息化技術(shù)的高速發(fā)展以及分布式技術(shù)、大數(shù)據(jù)、虛擬化等新理念、新方法的蓬勃興起,催生了云計算技術(shù)。這些年來,云計算應用到更多領域,發(fā)展更加迅猛有力。雖然云計算的運行模式比之前有了很大改進,令云計算環(huán)境的安全性以及可控性有了較大的提高,但由于其自身的復雜性及大規(guī)模性,使得系統(tǒng)容易出現(xiàn)異常,也更加容易吸引黑客的攻擊,對云計算環(huán)境的安全性產(chǎn)生了嚴重的威脅。因此,面向云計算環(huán)境的異常檢測技術(shù)越發(fā)顯得重要,是云安全的重要組成部分。本文面向云計算環(huán)境網(wǎng)絡安全,主要針對網(wǎng)絡異常進行研究,重點在于提高云計算環(huán)境可用性,完成的主要工作包括:(1)針對云環(huán)境下數(shù)據(jù)量大、復雜以及樣本存在不均衡的情況,提出了一種基于影響補償因子的樣本差異均衡方法,為小類樣本引入影響補償因子,并增加其對整個模型的影響程度,使得其特性不至于被大類淹沒。(2)傳統(tǒng)BP神經(jīng)網(wǎng)絡在訓練時很依賴初值選取,容易陷入局部極小值,因此引入了模擬退火算法,并對模擬退火算法進行了進一步的分析,針對其存在的尋優(yōu)能力不足、在低溫時發(fā)生震蕩的問題,本文提出了一種兩階段優(yōu)化的改進模擬退火算法,在兩個階段中,分別設置不同的控制參數(shù),既保證了全局尋優(yōu)的特點,又減少了震蕩的發(fā)生。(3)分析了 BP神經(jīng)網(wǎng)絡梯度下降法的特點,針對訓練過程復雜、樣本存在關聯(lián)性的特點,提出了一種基于交叉分組的改進BP神經(jīng)網(wǎng)絡算法,并且對于收斂速度較慢的問題,為神經(jīng)網(wǎng)絡設置了動態(tài)自適應學習速率,根據(jù)目標函數(shù)的變化情況,動態(tài)調(diào)整學習速率以適應尋優(yōu)過程,提高了收斂速度。將上面的算法結(jié)合起來用于進行異常檢測,有效的提升了算法的性能。(4)本文設計并實現(xiàn)了基于三層架構(gòu)的系統(tǒng)模型,即“數(shù)據(jù)處理-異常檢測-異常響應”,分別對每個功能模塊的特性進行詳細描述。基于此模型,我們實現(xiàn)了對異常行為的準確檢測,提高了云計算環(huán)境的安全性。最后進行了實驗并對系統(tǒng)性能進行了分析。結(jié)果表明,本文算法不僅提高了檢測率,降低了誤報率,加快了學習速度,同時對小類型也起到了明顯的補償作用,能夠有效解決云計算安全中存在的問題。
【圖文】：

比如原來的虛擬化思想在這里得到了長足的發(fā)展，，資源共享的方式整個得到了革逡逑新。云計算提供了三種模式的服務：基礎設施即服務（ｌａａＳ）、平臺即服務（ＰａａＳ）、逡逑軟件即服務（ＳａａＳ）。云平臺的整體層次服務架構(gòu)圖如圖２－１所示。逡逑ｐｃ＆瀏覽器邐云終端＆客戶機逡逑軟件服務＂邐０Ａ系統(tǒng)＆ＣＲＭ邐郵件＆即時通信邐門戶Ｓ內(nèi)容管理逡逑ＳａａＳ逡逑平臺服務邐身份認證管理邐工作流＆報表邐服務總線＆逡逑ＰａａＳ邐＆訪問控制邐數(shù)據(jù)挖掘邐任務管理逡逑數(shù)據(jù)存計算服務邐負載管理逡逑備份邐丨逡逑基礎設施服務邋邐逡逑ＩａａＳ逡逑虛擬化逡逑主機邐存儲邐網(wǎng)絡設備邋其他設備逡逑圖２－１云平臺整體層次服務架構(gòu)逡逑Ｆｉｇ．２－１邋Ｔｈｅ邋ａｒｃｈｉｔｅｃｔｕｒｅ邋ｏｆ邋ｃｌｏｕｄ邋ｐｌａｔｆｏｒｍ邋ｓｅｒｖｉｃｅ逡逑７逡逑

邐＂ＩＤＳ邐Ｈ，ＤＳ逡逑圖２－２基于主機的異常檢測系統(tǒng)逡逑Ｆｉｇ．２－２邋Ａｎｏｍａｌｙ邋ｄｅｔｅｃｔｉｏｎ邋ｓｙｓｔｅｍ邋ｂａｓｅｄ邋ｏｎ邋ｈｏｓｔ逡逑（１）
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP393.08

【參考文獻】

相關期刊論文 前8條

1 陶新民;郝思媛;張冬雪;徐鵬;;不均衡數(shù)據(jù)分類算法的綜述[J];重慶郵電大學學報(自然科學版);2013年01期

2 張蓓蓓;陳寧江;胡丹丹;;基于BP神經(jīng)網(wǎng)絡負載預測的虛擬機部署策略[J];華中科技大學學報(自然科學版);2012年S1期

3 張新有;曾華q

本文編號：2658052