傳統(tǒng)重標(biāo)極差分析法（Rescaled Range Analysis,R/S）檢測軟件定義網(wǎng)絡(luò)（SDN,Software Defined Network）流量是否存在異常時(shí),某節(jié)點(diǎn)的網(wǎng)絡(luò)流量序列存在恒定值小區(qū)間內(nèi)子序列全為零值,造成標(biāo)準(zhǔn)差為零的運(yùn)算錯誤,為了解決這個(gè)問題,文章提出了一種改進(jìn)的重標(biāo)極差法（Improvement Rescaled Range Analysis,IR/S）。算法利用微元法分析法,確定一組可用的參數(shù),將參數(shù)引入計(jì)算數(shù)據(jù)流量序列Hurst指數(shù),并將待計(jì)算的數(shù)據(jù)流量序列等分,同時(shí)規(guī)定序列長度為2的整數(shù)次冪,分別計(jì)算R/S值,通過擬合來判斷是否存在異常流量情況。改進(jìn)后的方法能夠達(dá)到均分子序列的要求,無需計(jì)算序列的因數(shù),使計(jì)算過程更加簡化,避免了某些長度序列因數(shù)過少、素?cái)?shù)長度導(dǎo)致的擬合點(diǎn)過少無法收斂的現(xiàn)象,減少了由計(jì)算結(jié)果精確度帶來的誤差。將算法在Mininet環(huán)境下進(jìn)行虛擬SDN仿真測試,實(shí)驗(yàn)結(jié)果表明,文章中的方法能夠較顯著區(qū)分正常與異常流量,并且在探測異常時(shí)延遲較低。 

【文章來源】：網(wǎng)絡(luò)空間安全. 2020,11(05)

【文章頁數(shù)】：7 頁

【部分圖文】：

控制器流量序列

在本節(jié)步驟（3）中添加的微小量保證序列不為0，從而使對數(shù)坐標(biāo)有意義。取值與有關(guān)，兩者數(shù)值大小將影響Hurst指數(shù)的偏移量。使用在不同數(shù)量級區(qū)間內(nèi)取值的和計(jì)算一個(gè)隨機(jī)序列的Hurst指數(shù)并繪制出熱圖，結(jié)果如圖3所示�？梢猿醪接^察到，變大將影響Hurst指數(shù)增大，增大將影響Hurst指數(shù)減小。首先對的影響進(jìn)行分析,繼續(xù)考察函數(shù)的特性,求對R的偏微分得:

從圖3中可以看到一條貫穿左上角與右下角的等值點(diǎn)組成的線，在右下角的點(diǎn)為與均取0值，在這條線上的點(diǎn)，顏色基本一致，對應(yīng)著相同數(shù)量級下的與所對應(yīng)的Hurst指數(shù)值。當(dāng)與取10-5或更小的值時(shí)，即使二者數(shù)量級略有差異，對Hurst指數(shù)的取值影響以及影響變化的速度有顯著減小，但當(dāng)與取10-2時(shí)，即使兩個(gè)參數(shù)數(shù)量級相同，也對Hurst指數(shù)有較大的影響，基本符合上述分析結(jié)果。結(jié)合實(shí)際網(wǎng)絡(luò)流量可能的特征，在實(shí)際計(jì)算時(shí)10-5應(yīng)保持在較小且相同的數(shù)量級下。經(jīng)過對單調(diào)遞增序列和正弦序列進(jìn)行計(jì)算也得到類似的結(jié)果。綜上對取值數(shù)量級范圍的討論,本文在較小的數(shù)量級取值范圍下取,作為后續(xù)計(jì)算基礎(chǔ)。

【參考文獻(xiàn)】：
期刊論文
[1]SDN中基于信息熵與DNN的DDoS攻擊檢測模型[J]. 張龍,王勁松.  計(jì)算機(jī)研究與發(fā)展. 2019(05)
[2]基于Hurst指數(shù)與相關(guān)系數(shù)的降雨侵蝕力變異識別與分級方法[J]. 錢峰,董林垚,黃介生,劉洪鵠,韓培,孫蓓.  農(nóng)業(yè)工程學(xué)報(bào). 2018(14)
[3]基于相對值法和Hurst指數(shù)的電網(wǎng)停電事故自相關(guān)性分析[J]. 于群,屈玉清,石良.  電力系統(tǒng)自動化. 2018(01)
[4]一種改進(jìn)腦電特征提取算法及其在情感識別中的應(yīng)用[J]. 李昕,蔡二娟,田彥秀,孫小棋,范夢頔.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(04)
[5]一種基于SDN的在線流量異常檢測方法[J]. 左青云,陳鳴,王秀磊,劉波.  西安電子科技大學(xué)學(xué)報(bào). 2015(01)



本文編號：3099987