互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展給網(wǎng)絡(luò)環(huán)境帶來了更多的網(wǎng)絡(luò)流量,網(wǎng)絡(luò)安全已經(jīng)成為網(wǎng)絡(luò)管理者必須認(rèn)真面對的重要問題,提高網(wǎng)絡(luò)安全防護(hù)水平、研究網(wǎng)絡(luò)異常流量檢測具有長遠(yuǎn)意義。SDN網(wǎng)絡(luò)相對于傳統(tǒng)的IP網(wǎng)絡(luò)的區(qū)別為它分離了控制層和轉(zhuǎn)發(fā)層,是一種創(chuàng)新的網(wǎng)絡(luò)結(jié)構(gòu),通過利用它可編程、易擴(kuò)展的特點(diǎn)可方便對整個(gè)網(wǎng)絡(luò)進(jìn)行集中控制,為異常流量檢測提供了新的機(jī)遇。本文充分利用了SDN網(wǎng)絡(luò)環(huán)境的特點(diǎn),在對現(xiàn)有的基于數(shù)據(jù)挖掘的異常流量檢測技術(shù)進(jìn)行深入研究的基礎(chǔ)上,設(shè)計(jì)并驗(yàn)證了一個(gè)包含數(shù)據(jù)流量采集和分類的異常流量檢測系統(tǒng)。考慮到SDN網(wǎng)絡(luò)的數(shù)據(jù)流量較大且網(wǎng)絡(luò)資源有限,為了避免網(wǎng)絡(luò)中出現(xiàn)過大的流量負(fù)載,不能將流表中的數(shù)據(jù)全部傳遞給異常檢測服務(wù)器,所以本文提出了一種基于遺傳算法的流量采樣方法。該方法以所有數(shù)據(jù)流的誤判率之和作為目標(biāo)函數(shù)構(gòu)造了最優(yōu)化模型,然后利用遺傳算法求解模型得出采樣點(diǎn)的最優(yōu)采樣概率。經(jīng)實(shí)驗(yàn)證明,本文提出的流量采樣方式,在保證較低的網(wǎng)絡(luò)負(fù)載情況下提高了入侵檢測效率,達(dá)到了高效捕獲惡意數(shù)據(jù)包的目的。在確定了合適的流量采樣概率之后,SDN控制器使用數(shù)據(jù)挖掘算法對所采集到流量進(jìn)行異常流量檢測。本文通過分析核函數(shù)及其參數(shù)的選擇對SVM性能的影響,提出了一種優(yōu)化的基于信息熵特征加權(quán)組合核函數(shù)的SVM方法,以達(dá)到對網(wǎng)絡(luò)流量進(jìn)行分類從而進(jìn)行異常流量檢測的目的。該算法首先利用信息熵提高有利于分類的特征的貢獻(xiàn)以避免結(jié)果陷入局部最優(yōu),隨后借鑒多核學(xué)習(xí)的思想以增強(qiáng)算法的適應(yīng)性,再利用優(yōu)化的遺傳算法進(jìn)行組合核函數(shù)的選擇、組合核函數(shù)參數(shù)及錯(cuò)誤懲罰因子的求解。實(shí)驗(yàn)證明該算法相比于其他類似的優(yōu)化SVM算法具有更高的分類精度,并且收斂速度也較快。最后,本文提出新的SDN網(wǎng)絡(luò)體系結(jié)構(gòu),并對SDN網(wǎng)絡(luò)中的IDS模塊的部署以及控制平面的結(jié)構(gòu)模型進(jìn)行了概述,介紹了SDN網(wǎng)絡(luò)異常流量檢測系統(tǒng)的總體設(shè)計(jì)和模塊設(shè)計(jì)。通過Mininet搭建真實(shí)的SDN網(wǎng)絡(luò)環(huán)境并模擬DDoS攻擊進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文提出的基于數(shù)據(jù)挖掘的異常流量檢測系統(tǒng)對網(wǎng)絡(luò)環(huán)境的適應(yīng)性較強(qiáng),對異常流量的檢測效果良好。
【學(xué)位單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP311.13;TP393.08
【部分圖文】：

29（b）網(wǎng)絡(luò)拓?fù)?B圖 3.1 測試網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)法對比實(shí)驗(yàn)常流量檢測方法相比其他方法最核心的區(qū)別在于該方法中機(jī)制，利用 GA 算法計(jì)算最優(yōu)的交換機(jī)節(jié)點(diǎn)采樣概率*x ，使介紹的分類器中進(jìn)行分類識別。本節(jié)首先將通過實(shí)驗(yàn)在不同取一組較優(yōu)的參數(shù)作為基于 GA 的 Alg. 1 最終采用的參數(shù)；

研究生學(xué)位論文 第三章 SDN 環(huán)境下一種基于 GA 優(yōu)比均具有更低的誤判率，特別的是，基于 GA 的 Alg.1 比基然 Alg. 1 相對于基于 ANN 的算法來說收斂速度較慢，但僅且最終的結(jié)果比基于 ANN 的算法更好。通過上述實(shí)驗(yàn)和分析 可以有效求解*x ，接下來繼續(xù)評估不同的流量采樣方法。

不同惡意數(shù)據(jù)包比例下的平均誤判率對比
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王軍;張俊梅;鞏立剛;王寶進(jìn);鐘綱;;煤氣流量檢測技術(shù)及其應(yīng)用[J];萊鋼科技;2006年05期

2 韓挺;;面向自定義協(xié)議的異常流量檢測技術(shù)[J];電信網(wǎng)技術(shù);2017年04期

3 石臣鵬;鄧歡;歐居尚;高陽;;基于星載合成孔徑雷達(dá)的交通流量檢測[J];四川警察學(xué)院學(xué)報(bào);2015年01期

4 良建俊;;車輛檢測器及道路流量檢測系統(tǒng)的研究設(shè)計(jì)[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2009年35期

5 鄧常烈;;第六講 選礦廠流量檢測[J];金屬礦山;1987年09期

6 周鶴泉;;Flowtec織物流量檢測法[J];國外紡織技術(shù)(化纖、染整、環(huán)境保護(hù)分冊);1988年05期

7 魏祥毓;戴亞平;;彎管流量檢測系統(tǒng)的開發(fā)[J];儀器儀表與分析監(jiān)測;1989年04期

8 劉丹丹;;多相流流量檢測綜述[J];石化技術(shù);2017年03期

9 黃凱;陳淑榮;;視頻車流量檢測中的虛擬檢測區(qū)域自動(dòng)提取[J];微型機(jī)與應(yīng)用;2014年01期

10 王小平;王建勇;楊塤;;采用云計(jì)算技術(shù)的網(wǎng)絡(luò)流量檢測[J];電訊技術(shù);2014年05期

相關(guān)博士學(xué)位論文 前6條

1 蔣鐵珍;數(shù)字雷達(dá)技術(shù)在車流量檢測雷達(dá)中的應(yīng)用[D];中國科學(xué)院研究生院（上海微系統(tǒng)與信息技術(shù)研究所）;2006年

2 丁永前;固體顆粒料質(zhì)量流量檢測方法的研究[D];南京農(nóng)業(yè)大學(xué);2009年

3 唐曉宇;多聲道超聲波氣體流量檢測技術(shù)仿真與實(shí)驗(yàn)研究[D];浙江大學(xué);2016年

4 吳敏;P2P網(wǎng)絡(luò)流量控制管理若干關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2011年

5 王蘇南;高速復(fù)雜網(wǎng)絡(luò)環(huán)境下異常流量檢測技術(shù)研究[D];解放軍信息工程大學(xué);2012年

6 王蛟;基于行為的P2P流量及異常流量檢測技術(shù)研究[D];北京郵電大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉云霄;基于圖像信息的道路車流量檢測算法研究與實(shí)現(xiàn)[D];南京航空航天大學(xué);2019年

2 畢濤;基于協(xié)作式道釘?shù)能嚵髁繖z測方法研究[D];哈爾濱工業(yè)大學(xué);2019年

3 喬鵬;基于深度學(xué)習(xí)和邊緣任務(wù)卸載的交通流量檢測研究[D];西安電子科技大學(xué);2019年

4 張欣慧;SDN中基于數(shù)據(jù)挖掘的異常流量檢測算法研究[D];南京郵電大學(xué);2019年

5 楊育坤;激光測距原理的帶式輸送機(jī)監(jiān)控系統(tǒng)中煤流量檢測的研究[D];天津工業(yè)大學(xué);2019年

6 丁明亮;基于低功耗局域網(wǎng)的車流量檢測系統(tǒng)設(shè)計(jì)[D];大連理工大學(xué);2018年

7 石錦秀;基于視頻處理的指定路段車流量檢測方法的研究[D];中國石油大學(xué)(華東);2016年

8 杜凱;基于視頻的交通流量檢測算法研究[D];重慶理工大學(xué);2012年

9 張洪;基于分布式智能視頻分析的交通流量檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

10 梅娟娟;基于容積法的FAI電噴單元流量檢測系統(tǒng)的設(shè)計(jì)與研究[D];江蘇大學(xué);2017年

本文編號：2884504