隨著BGP網絡協議的廣泛應用,路由泄露作為常見的BGP異常,對網絡穩(wěn)定性造成巨大威脅。如何實現對路由泄露事件的有效檢測,對維護網絡環(huán)境穩(wěn)定具有重要的意義。機器學習技術可以很好地用于路由泄露異常事件的檢測。但是現有的機器學習檢測算法在進行BGP異常檢測時,缺乏針對路由泄露異常的特征研究,其檢測結果只能反映出是否發(fā)生BGP異常,而不能進一步確定異常類型是否是路由泄露。這將會為解決異常問題造成不便。本課題基于以上問題,提出一種針對路由泄露異常的檢測算法。該算法針對路由泄露異常事件,提出區(qū)別于其他類型異常事件的特征,同時引入AdaBoost算法改進現有的單分類器檢測算法。該算法在真實數據的基礎上進行算法實現,具有針對性強,檢測準確率較高的特點。論文主要工作包括三個方面。首先,本課題對路由泄露的定義和BGP協議進行分析,挖掘出三個路由泄露的特征。同時加入一些常見的BGP異常事件的特征,將兩者聯合得到最終的特征集。其次,本課題在真實數據的基礎上實現了相關特征的計算和有效性檢測。最后,本課題設計并實現了基于AdaBoost算法的路由泄露檢測算法。實驗結果表明,與已有的算法相比較,本課題提出的基于AdaBoost算法的路由泄露檢測算法能夠提升算法的準確率,實現針對性的路由泄露異常檢測。
【學位單位】：北京郵電大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP393.08;TP181
【部分圖文】：

邐＋逡逑圖２－１邋ＵＰＤＡＴＥ報文結構逡逑如圖２－１所示：ＵＰＤＡＴＥ報文主要由圖中的５部分組成，在本課題中我們逡逑的研宄主要是針對ＰＡＴＨ屬性的研宄，ＰＡＴＨ屬性信息反映了網絡中拓撲狀態(tài)逡逑變化的過程，有助于我們觀察到路由泄露異常事件發(fā)生時，最原始的網絡拓撲逡逑變化趨勢。針對ＡＳ＿ＰＡＴＨ屬性信息，最常見的有：逡逑１）邐ＯＲＩＧＩＮ逡逑該屬性是必要屬性。反映了該路由使用的協議屬性，具體的值包括了邋ＩＧＰ，逡逑ＥＧＰ，邋ＩＮＣＯＭＰＬＥＴＥ邋等。逡逑２）邐ＡＳ—ＰＡＴＨ逡逑該屬性是必要屬性�；镜男畔艘粋�列表信息：＜ＡＳ＿ＰＡＴＨ路徑類型，逡逑當前路徑長度，具體路徑值＞。ＡＳ＿ＰＡＴＨ路徑類型用于標識具體路徑值屬性是逡逑否有序

ｓｒＨＢＳ逡逑圖３－１路由泄露發(fā)生前網絡拓撲情況逡逑如圖３－１所示，根據針對于該路由泄露異常事件發(fā)布的信息可知：ＡＳ１７４８８逡逑是ＡＳ邋９４９８的客戶，而ＡＳ１５１６９與ＡＳ１７４８８是互為對等體關系，ＡＳ邋１０００逡逑是ＡＳ邋９４９８的供應商，為其提供基本的流量轉發(fā)服務。在路由泄漏事件發(fā)生前，逡逑ＡＳ１０００有經過ＡＳ邋ｗ，邋Ａｓ邋ｖ到達ｇｏｏｇｌｅ擁有的ＡＳ邋１５１６９的可達通路。這起路逡逑由泄漏事件的起因是：與ＧｏｏｇｌｅＡＳ１５１６９有對等體關系的ＨａｔｈｗａｙＡＳ１７４８８，逡逑將由Ｇｏｏｇｌｅ發(fā)起的路由信息違反轉發(fā)策略泄露給ＨａｔｈｗａｙＡＳ１７４８８的供應商逡逑ＡｉｒｔｅｌＡＳ９４９８，這違反了邋ｖａｌｌｅｙ＿ｆｒｅｅ策略，造成了路由泄露異常事件。逡逑邐邐逡逑ＡＳ邋ｗ邐ＡＳ邋ｖ逡逑＜邋＞逡逑ＡＳ邋Ｍ９８（Ａｒｉｔｅｒ）邐ＡＳ邋１７４ＳＳ逡逑

ｒＨＢＳ逡逑圖３－１路由泄露發(fā)生前網絡拓撲情況逡逑如圖３－１所示，根據針對于該路由泄露異常事件發(fā)布的信息可知：ＡＳ１７４８８逡逑是ＡＳ邋９４９８的客戶，而ＡＳ１５１６９與ＡＳ１７４８８是互為對等體關系，ＡＳ邋１０００逡逑是ＡＳ邋９４９８的供應商，為其提供基本的流量轉發(fā)服務。在路由泄漏事件發(fā)生前，逡逑ＡＳ１０００有經過ＡＳ邋ｗ，邋Ａｓ邋ｖ到達ｇｏｏｇｌｅ擁有的ＡＳ邋１５１６９的可達通路。這起路逡逑由泄漏事件的起因是：與ＧｏｏｇｌｅＡＳ１５１６９有對等體關系的ＨａｔｈｗａｙＡＳ１７４８８，逡逑將由Ｇｏｏｇｌｅ發(fā)起的路由信息違反轉發(fā)策略泄露給ＨａｔｈｗａｙＡＳ１７４８８的供應商逡逑ＡｉｒｔｅｌＡＳ９４９８，這違反了邋ｖａｌｌｅｙ＿ｆｒｅｅ策略，造成了路由泄露異常事件。逡逑邐邐逡逑ＡＳ邋ｗ邐ＡＳ邋ｖ逡逑＜邋＞逡逑ＡＳ邋Ｍ９８（Ａｒｉｔｅｒ）邐ＡＳ邋１７４ＳＳ逡逑（Ｈａｔｈｗａｖ）逡逑圖３－２路由泄露

【相似文獻】

相關期刊論文 前10條

1 蔣焰;丁曉青;;基于多步校正的改進AdaBoost算法[J];清華大學學報(自然科學版)網絡.預覽;2008年10期

2 李軍;閆佳佳;;基于KELM-AdaBoost方法的短期風電功率預測（英文）[J];控制工程;2019年03期

3 王倫;;Adaboost-SVM多因子選股模型[J];經濟研究導刊;2019年10期

4 葉曉波;秦海菲;呂永林;;一種改進的Adaboost-BP算法在手寫數字識別中的研究[J];大理大學學報;2019年06期

5 王玲娣;徐華;;AdaBoost的多樣性分析及改進[J];計算機應用;2018年03期

6 杜瑞超;華繼學;翟夕陽;李志鵬;;基于改進Real AdaBoost算法的軟件可靠性預測[J];空軍工程大學學報(自然科學版);2018年01期

7 王玲娣;徐華;;一種基于聚類和AdaBoost的自適應集成算法[J];吉林大學學報(理學版);2018年04期

8 牛清寧;周志強;劉文超;;基于Adaboost算法的人眼檢測技術在路考系統(tǒng)中的應用[J];汽車與安全;2016年04期

9 李新戰(zhàn);;基于改進Adaboost算法的人臉檢測方法[J];科技經濟導刊;2018年18期

10 程榮標;方向堯;曾思偉;姜大志;;基于Adaboost和回歸樹集合技術的疲勞識別研究[J];汕頭大學學報(自然科學版);2017年02期

相關會議論文 前10條

1 蔡念;金豐;阮恭勤;潘晴;許少秋;;基于AdaBoost算法的圖像復原方法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

2 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

3 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計算機應用與系統(tǒng)建模國際會議論文集[C];2012年

4 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細胞位置預測[A];中國化學會第26屆學術年會化學信息學與化學計量學分會場論文集[C];2008年

5 陳宏偉;劉建偉;費向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術與應用學術論壇論文集（二）[C];2008年

6 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標跟蹤[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

7 于淼;李乃民;王寬全;賈丹兵;閆子飛;;基于AdaBoost的中醫(yī)舌診分類算法研究[A];第二次全國中西醫(yī)結合診斷學術研討會論文集[C];2008年

8 李晶;陳媛媛;;基于AdaBoost的車牌字符識別模型研究[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅰ）[C];2008年

9 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國信號處理學術年會（CCSP-2007）論文集[C];2007年

10 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學會第十一屆青年學術會議論文集[C];2009年

相關重要報紙文章 前1條

1 張陽;5G時代，AI能走多遠？[N];人民郵電;2019年

相關博士學位論文 前10條

1 劉沖;模擬電路故障診斷AdaBoost集成學習方法研究[D];大連海事大學;2011年

2 Ebenezer Owusu;[D];江蘇大學;2014年

3 習文星;移動背景下視覺的行人檢測、識別與跟蹤技術研究[D];中國科學院研究生院(上海技術物理研究所);2015年

4 盧金娜;基于優(yōu)化算法的徑向基神經網絡模型的改進及應用[D];中北大學;2015年

5 盧巖;交通監(jiān)控中的運動人體目標檢測與跟蹤[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2011年

6 王小明;可變光照下人臉檢測與識別研究[D];華東師范大學;2010年

7 孫元;多媒體語義檢索關鍵問題研究[D];吉林大學;2010年

8 王穎;成熟microRNA識別及其功能預測方法研究[D];哈爾濱工程大學;2016年

9 吳暾華;面向中醫(yī)面診診斷信息提取的若干關鍵技術研究[D];廈門大學;2008年

10 高常鑫;基于上下文的目標檢測與識別方法研究[D];華中科技大學;2010年

相關碩士學位論文 前10條

1 成李英;基于AdaBoost算法的路由泄漏檢測技術研究與實現[D];北京郵電大學;2019年

2 岳瑩;基于SVM的人臉檢測與識別研究[D];河北科技大學;2019年

3 閆蓉蓉;面向工業(yè)現場的安全帽檢測算法研究[D];西安理工大學;2019年

4 蘇倩;基于人臉識別的類門禁系統(tǒng)[D];西安理工大學;2014年

5 劉偉濤;基于旋轉及改進AdaBoost的單類支持向量機集成[D];河北大學;2019年

6 邵東恒;改進k-means和Adaboost實現標簽分布學習[D];閩南師范大學;2019年

7 劉俊杰;商品圖片中的文字檢測與識別系統(tǒng)設計[D];華中師范大學;2017年

8 曾雷;基于改進的LLE與Adaboost算法的人臉表情識別[D];中國石油大學(華東);2017年

9 劉嘉璐;基于支持向量機集成模型的我國混合型開放式基金投資價值分析[D];廈門大學;2018年

10 費凱;基于Adaboost算法的多分類器模型的研究及其在降水預測中的應用[D];南京信息工程大學;2018年

本文編號：2822589