發(fā)布時(shí)間：2021-07-10 06:01

　　隨著網(wǎng)絡(luò)技術(shù)的高速發(fā)展,互聯(lián)網(wǎng)在日常生活中扮演著越來(lái)越重要的角色。然而,各種網(wǎng)絡(luò)攻擊活動(dòng)也隨之產(chǎn)生,對(duì)我們的網(wǎng)絡(luò)信息安全造成了巨大的威脅�；诰W(wǎng)民對(duì)網(wǎng)絡(luò)安全性能要求的提高,大量研究人員致力于網(wǎng)絡(luò)安全技術(shù)的研究。網(wǎng)絡(luò)異常流量檢測(cè)方法作為一種可靠的網(wǎng)絡(luò)安全技術(shù),有益于網(wǎng)絡(luò)優(yōu)化、預(yù)測(cè)等多種應(yīng)用,能夠在很大程度上保障網(wǎng)民的財(cái)產(chǎn)安全以及國(guó)家的信息安全。本文對(duì)國(guó)內(nèi)外基于網(wǎng)絡(luò)流量異常檢測(cè)研究的現(xiàn)狀做了深入分析,對(duì)當(dāng)前發(fā)展較為成熟的網(wǎng)絡(luò)流量模型和異常檢測(cè)方法進(jìn)行對(duì)比,總結(jié)出現(xiàn)有的網(wǎng)絡(luò)流量異常檢測(cè)方法的類別及其優(yōu)缺點(diǎn),提出了一種結(jié)合草圖數(shù)據(jù)結(jié)構(gòu)和改進(jìn)MSPCA算法的異常檢測(cè)方法。圍繞其中關(guān)鍵模塊取得以下幾個(gè)方面的研究成果:（1）本文針對(duì)傳統(tǒng)多尺度主成分分析算法時(shí)間復(fù)雜度高和參數(shù)設(shè)置困難的問(wèn)題,提出了基于改進(jìn)MSPCA算法的網(wǎng)絡(luò)流量異常檢測(cè)方法。改進(jìn)MSPCA算法通過(guò)設(shè)置能量貢獻(xiàn)效率的閾值來(lái)控制主成分分析時(shí)濾波器的尺度;之后,采用貝葉斯PCA代替?zhèn)鹘y(tǒng)主成分分析來(lái)對(duì)小波系數(shù)矩陣進(jìn)行濾波。因此,該方法可以用較為簡(jiǎn)單的參數(shù)設(shè)置和較低的時(shí)間復(fù)雜度來(lái)分離網(wǎng)絡(luò)數(shù)據(jù),使其對(duì)于異常檢測(cè)具有更高的實(shí)用性。最后,實(shí)驗(yàn)結(jié)果表明... 

【文章來(lái)源】：天津理工大學(xué)天津市

【文章頁(yè)數(shù)】：49 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

DDoS攻擊示意圖

第二章 相關(guān)理論及關(guān)鍵技術(shù)值，然后根據(jù)公式 2-10，確定 m 的值，使得信值λj(j=1,2,…,m),求得其單位特征向量αj。分向量維度。根據(jù)公式 2-10 計(jì)算的比率結(jié)果，原始數(shù)據(jù)的信息量就越多。分向量維度之后，將原始數(shù)據(jù)投影到各個(gè)新的分析主要步驟可以總結(jié)如圖 2-2：0.851m1 pijij

現(xiàn)相當(dāng)于高頻濾波器。2.4.3 小波去燥一般來(lái)說(shuō)信號(hào)中都是帶有信號(hào)的，特別是信號(hào)的采集過(guò)程中，在接收端除標(biāo)信號(hào)外還會(huì)引入噪聲。常見(jiàn)的噪聲包括高斯白噪聲，通常我們?cè)谔幚碓肼晻r(shí)假設(shè)為高斯白噪聲。因此在信號(hào)做進(jìn)一步處理之前需要將有效的信號(hào)提取出來(lái)噪聲的有濾波器，模擬濾波器和數(shù)字濾波器。除了濾波器還有傅立葉變換，但變換去噪不能將有用信號(hào)的高頻部分和由噪聲引起的高頻干擾加以區(qū)分。這種是需要信號(hào)高頻信息的時(shí)候就無(wú)能無(wú)力了，在去除高頻噪聲的同時(shí)需要保留信分。小波變換去噪可以很好的保護(hù)有用的信號(hào)尖峰和突變信號(hào)[35]。如圖 2-3 所變換適合用于暫態(tài)信號(hào)和瞬態(tài)信號(hào)的噪聲去除方面，以及抑制高頻噪聲的干擾高頻信息和高頻噪聲區(qū)分開(kāi)來(lái)。小波變換具有良好的時(shí)頻局部化特性，保留主控制的小波系數(shù)，發(fā)現(xiàn)并去掉由噪聲控制的小波系數(shù)。剩下的小波系數(shù)做逆變?cè)晷盘?hào)。

【參考文獻(xiàn)】：
期刊論文
[1]計(jì)算機(jī)網(wǎng)絡(luò)安全問(wèn)題及其防范措施[J]. 李軍軍.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2018(11)
[2]改進(jìn)的馬爾科夫模型的異常節(jié)點(diǎn)檢測(cè)算法[J]. 黃小龍,蔡艷,屈遲文.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(06)
[3]網(wǎng)絡(luò)地址變換對(duì)不同掃描攻擊的防御優(yōu)勢(shì)分析[J]. 王凱,陳欣華,陳熹,武澤慧.  電子與信息學(xué)報(bào). 2018(04)
[4]多態(tài)蠕蟲(chóng)病毒差異性傳播過(guò)程中特征的分析[J]. 張俊林.  科技通報(bào). 2016(12)
[5]基于改進(jìn)K均值聚類的異常檢測(cè)算法[J]. 左進(jìn),陳澤茂.  計(jì)算機(jī)科學(xué). 2016(08)
[6]噪聲環(huán)境下的網(wǎng)絡(luò)異常信號(hào)檢測(cè)方法研究[J]. 馮國(guó)杰.  計(jì)算機(jī)仿真. 2016(08)
[7]基于數(shù)據(jù)挖掘技術(shù)的網(wǎng)絡(luò)入侵檢測(cè)技術(shù)研究[J]. 周立軍,張杰,呂海燕.  現(xiàn)代電子技術(shù). 2016(06)
[8]基于GA改進(jìn)BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)異常檢測(cè)方法[J]. 崔寶才.  現(xiàn)代電子技術(shù). 2016(03)
[9]基于統(tǒng)計(jì)學(xué)習(xí)的網(wǎng)絡(luò)異常行為檢測(cè)技術(shù)[J]. 周濤.  大數(shù)據(jù). 2015(04)
[10]數(shù)據(jù)挖掘中聚類分析的應(yīng)用分析[J]. 張軍.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2014(12)

碩士論文
[1]網(wǎng)絡(luò)流量異常檢測(cè)技術(shù)研究與實(shí)現(xiàn)[D]. 卜國(guó)卿.電子科技大學(xué) 2018



本文編號(hào)：3275335