發(fā)布時間：2021-01-28 13:04

　　云計算在可靠性問題上面臨著巨大的挑戰(zhàn)。隨著越來越多的個人和企業(yè)將信息放在云上，如何提高云計算的可靠性成為一個研究熱點。而云計算平臺上豐富的信息和資源也是各種入侵者的熱點目標。云計算體系的每一層結構都面臨著各種危險，可能是由用戶的錯誤操作或外部的惡意入侵造成的。與傳統(tǒng)的計算環(huán)境相比，云計算具有虛擬化、分布式、動態(tài)行為和非常大的數(shù)據(jù)規(guī)模等特點，這也導致了傳統(tǒng)的異常檢測算法不適用于云計算環(huán)境。本文基于局部異常因子（LOF）算法設計了自適應的在線實時異常檢測機制。LOF算法根據(jù)局部密度為每個測試數(shù)據(jù)計算異常分數(shù)，異常分數(shù)說明了該測試數(shù)據(jù)的異常程度。該異常檢測機制工作于半監(jiān)督模式下，也適用于非監(jiān)督模式，允許訓練數(shù)據(jù)中存在少量異常。同時，該機制可以自動根據(jù)最近的系統(tǒng)行為特征改變自身的正常行為模型。這是一種數(shù)據(jù)驅動的、適用范圍廣、通用性好的在線實時異常檢測機制。為了評估異常檢測的效率，我們搭建了模擬云計算環(huán)境的平臺，在不同的虛擬機上運行幾種常見背景應用，并注入幾種典型異常來模擬異常入侵。使用sysstat工具采集純背景應用下的系統(tǒng)狀態(tài)作為訓練數(shù)據(jù)建立正常行為的模型，在注入異常階段，每分鐘采集一次系統(tǒng)... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 問題的提出
    1.2 國內外研究現(xiàn)狀
        1.2.1 云計算的研究現(xiàn)狀
        1.2.2 云計算故障診斷的研究現(xiàn)狀
        1.2.3 追溯保障技術的研究現(xiàn)狀
    1.3 論文的主要內容與章節(jié)安排
第二章 現(xiàn)有異常檢測算法
    2.1 異常檢測問題簡介
    2.2 異常檢測問題的組成部分
        2.2.1 輸入數(shù)據(jù)的性質
        2.2.2 異常的類型
        2.2.3 數(shù)據(jù)標簽
        2.2.4 異常檢測的輸出
    2.3 基于分類的異常檢測技術
        2.3.1 基于神經(jīng)網(wǎng)絡
        2.3.2 基于貝葉斯網(wǎng)絡
        2.3.3 基于支持向量機
        2.3.4 基于規(guī)則
        2.3.5 算法性能分析
    2.4 基于最近鄰的異常檢測技術
        2.4.1 基于第 k 個最近鄰的距離
        2.4.2 基于相對密度
        2.4.3 算法性能分析
    2.5 基于聚類的異常檢測技術
        2.5.1 聚類的定義
        2.5.2 聚類與最近鄰的區(qū)別
        2.5.3 算法性能分析
    2.6 基于統(tǒng)計的異常檢測技術
        2.6.1 參數(shù)方法
        2.6.2 非參數(shù)方法
        2.6.3 算法性能分析
    2.7 基于頻譜的異常檢測技術
        2.7.1 主成分分析
        2.7.2 算法性能分析
    2.8 上下文異常檢測
    2.9 本章小結
第三章 基于 LOF 的異常檢測機制設計
    3.1 Local Outlier Factor （LOF）
        3.1.1 計算 p 的 k-距離（k-distance）
        3.1.2 計算 p 的 k-距離鄰居集合
        3.1.3 計算對象 p 的相對于對象 o 的可到達距離
        3.1.4 計算對象 p 的局部可達到密度
        3.1.5 計算對象 p 的 LOF
    3.2 最近鄰查詢
        3.2.1 最近鄰的度量標準
        3.2.2 檢索中的排序
        3.2.3 檢索時刪除冗余的方法
        3.2.4 k 最近鄰檢索算法
    3.3 數(shù)據(jù)結構 R-Tree
        3.3.1 搜索
        3.3.2 插入
        3.3.3 分拆
        3.3.4 刪除
    3.4 異常檢測系統(tǒng)
        3.4.1 訓練階段
        3.4.2 實時測試階段
    3.5 LOF 算法性能分析
    3.6 本章小結
第四章 適時自適應異常檢測系統(tǒng)的實現(xiàn)與評測
    4.1 試驗程序編寫與測試
    4.2 環(huán)境搭建
        4.2.1 平臺搭建
        4.2.2 背景應用
        4.2.3 故障注入
        4.2.4 原始數(shù)據(jù)采集
        4.2.5 原始數(shù)據(jù)分析
    4.3 結果與分析
        4.3.1 檢測指標
        4.3.2 應用于 SLG2 服務器的效率
        4.3.3 應用于 SLT1 服務器的效率
        4.3.4 應用于 SLG1 服務器的效率
        4.3.5 應用于 WEB 服務器的效率
        4.3.6 效率評估
    4.4 本章小結
第五章 結束語
    5.1 主要工作與創(chuàng)新點
    5.2 后續(xù)研究工作
參考文獻
致謝
攻讀碩士學位期間已發(fā)表或錄用的論文


【參考文獻】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡的關聯(lián)規(guī)則在故障診斷中的應用[J]. 劉晶,季海鵬.  工業(yè)工程. 2011(02)
[2]基于時序模式挖掘的故障診斷方法[J]. 胡瑞飛,王玲,梅筱琴,羅陽.  計算機集成制造系統(tǒng). 2010(07)
[3]云計算技術簡述[J]. 戴元順.  信息通信技術. 2010(02)
[4]云計算研究進展綜述[J]. 張建勛,古志民,鄭超.  計算機應用研究. 2010(02)
[5]云計算:系統(tǒng)實例與研究現(xiàn)狀[J]. 陳康,鄭緯民.  軟件學報. 2009(05)
[6]異常檢測技術的研究與發(fā)展[J]. 閻巧,謝維信.  西安電子科技大學學報. 2002(01)



本文編號：3005042