隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,整個網(wǎng)絡(luò)環(huán)境的數(shù)據(jù)流量迅速增多,同時也面臨著各種各樣網(wǎng)絡(luò)攻擊的威脅,嚴重影響到了用戶的安全。軟件定義網(wǎng)絡(luò)作為目前新型的網(wǎng)絡(luò)架構(gòu),為網(wǎng)絡(luò)流量管理和優(yōu)化提供了一種新的解決方案,如何實時精確地在軟件定義網(wǎng)絡(luò)環(huán)境下,對多樣化和復(fù)雜化的網(wǎng)絡(luò)流量進行監(jiān)控與檢測,成為學(xué)術(shù)界一大研究熱點。本文對軟件定義網(wǎng)絡(luò)中基于K近鄰算法的異常流量檢測技術(shù)的原理進行了闡述,在深入分析國內(nèi)外相關(guān)技術(shù)的基礎(chǔ)上,針對目前存在的問題,提出了一種改進的基于DPTCM-KNN的異常流量檢測算法,定義獨立度概念,以奇異度和獨立度共同作為標準,計算雙概率p值判斷流量異常狀態(tài),在保證算法時間復(fù)雜度的前提下,降低了檢測過程中的誤報率,具有較高的準確度。為了提高異常檢測的效率,本文還提出一種優(yōu)化的特征選擇算法FACO,設(shè)計特征選擇適應(yīng)度函數(shù),以特征長度和檢測性能為標準,優(yōu)化蟻群路徑轉(zhuǎn)移概率,同時還采用二階段信息素更新規(guī)則,對更多的路徑進行信息素增值,避免特征選擇過程中陷入局部最優(yōu)化,通過實驗表明該改進的特征選擇算法能夠有效排除冗余特征,篩選出最優(yōu)特征子集,提高異常檢測機制的性能。本文設(shè)計軟件定義網(wǎng)絡(luò)下的異常流量檢測架...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 課題背景及意義
    1.2 課題來源及本文組織
第二章 相關(guān)技術(shù)研究
    2.1 基礎(chǔ)技術(shù)
        2.1.1 SDN及OpenFlow技術(shù)
        2.1.2 異常流量檢測技術(shù)
    2.2 國內(nèi)外研究現(xiàn)狀
        2.2.1 基于KNN的異常檢測技術(shù)
        2.2.2 特征選擇技術(shù)
        2.2.3 SDN中的異常檢測技術(shù)
    2.3 分析與總結(jié)
    2.4 本章小結(jié)
第三章 基于DPTCM-KNN的異常檢測算法
    3.1 TCM-KNN算法
    3.2 DPTCM-KNN相關(guān)定義
    3.3 DPTCM-KNN算法設(shè)計
    3.4 仿真實驗
        3.4.1 環(huán)境參數(shù)
        3.4.2 實驗分析
    3.5 本章小結(jié)
第四章 基于FACO的特征選擇算法
    4.1 蟻群優(yōu)化算法
    4.2 FACO算法設(shè)計
    4.3 仿真實驗
        4.3.1 環(huán)境參數(shù)
        4.3.2 實驗分析
    4.4 本章小結(jié)
第五章 原型系統(tǒng)實現(xiàn)
    5.1 SDN中的異常流量檢測架構(gòu)
        5.1.1 架構(gòu)設(shè)計
        5.1.2 異常處理流程
    5.2 系統(tǒng)實現(xiàn)
        5.2.1 系統(tǒng)環(huán)境
        5.2.2 SDN網(wǎng)絡(luò)構(gòu)建
        5.2.3 結(jié)果分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項目
致謝



本文編號：3748903