互聯(lián)網(wǎng)異常是指影響網(wǎng)絡(luò)性能或造成數(shù)據(jù)破壞的事件，這些事件通常會(huì)引起某些流量特征違反某種已建立的模式或標(biāo)準(zhǔn)，分析流量特征在異常情況下的變化，并以之為基礎(chǔ)進(jìn)行異常檢測(cè)的應(yīng)用研究，可以及時(shí)地發(fā)現(xiàn)網(wǎng)絡(luò)異常、診斷網(wǎng)絡(luò)錯(cuò)誤，對(duì)互聯(lián)網(wǎng)的安全運(yùn)行和管理具有重要的意義。NetFlow是一種數(shù)據(jù)交換方式，一個(gè)NetFlow流定義為在一個(gè)源IP地址和目的IP地址間傳輸?shù)膯蜗驍?shù)據(jù)包流，且所有數(shù)據(jù)包具有共同的傳輸層源、目的端口號(hào)。Netflow數(shù)據(jù)中包含了網(wǎng)絡(luò)異常檢測(cè)所需要的流量特征，可以利用Netflow數(shù)據(jù)所提供的網(wǎng)絡(luò)流量特征分析當(dāng)前網(wǎng)絡(luò)所處的狀態(tài)。目前的基于Netflow的異常檢測(cè)尚有很多不足：1)高的誤檢率；2)多數(shù)方法難以達(dá)到高速鏈路的實(shí)時(shí)在線檢測(cè)需求；3)Netflow數(shù)據(jù)量較大，對(duì)于歷史數(shù)據(jù)不能有效的存儲(chǔ);4)全網(wǎng)異常檢測(cè)方法較少且問(wèn)題較多。云計(jì)算通過(guò)整合互聯(lián)網(wǎng)絡(luò)中的閑散資源，對(duì)外提供強(qiáng)大的存儲(chǔ)和計(jì)算能力，以及一些其它解決方案。Hadoop是一個(gè)開(kāi)源分布式數(shù)據(jù)處理框架，被用于高效地處理海量數(shù)據(jù)。由于Hadoop具有可伸縮性、高可靠性、低成本性和高效性等優(yōu)點(diǎn)，已成為一種流行的云計(jì)算開(kāi)發(fā)平臺(tái)。Hado... 

【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

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及研究意義
        1.1.1 研究背景
        1.1.2 研究意義和目的
    1.2 主要研究?jī)?nèi)容及難點(diǎn)
        1.2.1 主要研究?jī)?nèi)容
        1.2.2 研究難點(diǎn)
        1.2.3 本文組織結(jié)構(gòu)介紹
第二章 異常流量
    2.1 異常流量
        2.1.1 異常流量定義
        2.1.2 異常原因劃分
    2.2 流量特征
    2.3 基于 NetFlow 的數(shù)據(jù)流
        2.3.1 Flow 的定義
        2.3.2 NetFlow 工作原理
        2.3.3 NetFlow 版本及格式
    2.4 NetFlow 在異常檢測(cè)中的優(yōu)勢(shì)
第三章 基于 MapReduce 異常流量的檢測(cè)算法
    3.1 異常流量的檢測(cè)指標(biāo)
        3.1.1 包單元熵
        3.1.2 包單元 DFN
        3.1.3 十維異常流量分析指標(biāo)
    3.2 基于 MapReduce 的異常流量檢測(cè)算法
        3.2.1 MapReduce 計(jì)算模型
        3.2.2 檢測(cè)算法的實(shí)現(xiàn)
    3.3 本章小結(jié)
第四章 基于云計(jì)算的異常流量檢測(cè)系統(tǒng)的實(shí)現(xiàn)
    4.1 NetFlow 數(shù)據(jù)采集
        4.1.1 數(shù)據(jù)來(lái)源
        4.1.2 網(wǎng)絡(luò)流量的日模式
    4.2 數(shù)據(jù)預(yù)處理
    4.3 基于 Hadoop 的云計(jì)算平臺(tái)
        4.3.1 NetFlow 數(shù)據(jù)的存儲(chǔ)
        4.3.2 NetFlow 數(shù)據(jù)的分析
        4.3.3 分布式協(xié)調(diào)服務(wù) Zookeeper
    4.4 數(shù)據(jù)結(jié)果的導(dǎo)出
        4.4.1 關(guān)系型數(shù)據(jù)庫(kù)轉(zhuǎn)移工具 Sqoop
        4.4.2 NetFlow 數(shù)據(jù)的導(dǎo)出
    4.5 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果分析
    5.1 實(shí)驗(yàn)過(guò)程及實(shí)驗(yàn)結(jié)果
        5.1.1 實(shí)驗(yàn)數(shù)據(jù)選擇
        5.1.2 實(shí)驗(yàn)結(jié)果分析
    5.2 實(shí)驗(yàn)結(jié)論
第六章 總結(jié)與展望
    6.1 本文創(chuàng)新處
    6.2 存在的不足與展望
參考文獻(xiàn)
發(fā)表論文和科研情況說(shuō)明
致謝


【參考文獻(xiàn)】：
期刊論文
[1]采用Netflow數(shù)據(jù)的典型異常流量檢測(cè)方法[J]. 田楊,王宏,陳曉梅.  電子科技大學(xué)學(xué)報(bào). 2009(S1)
[2]基于NetFlow的網(wǎng)絡(luò)異常流量檢測(cè)[J]. 曾嘉,金躍輝,葉小衛(wèi).  微計(jì)算機(jī)應(yīng)用. 2007(07)

博士論文
[1]基于信息熵的特征選擇算法研究[D]. 劉華文.吉林大學(xué) 2010



本文編號(hào)：3636382