本文關(guān)鍵詞：基于FM Sketch的超點檢測算法的研究

  更多相關(guān)文章： 網(wǎng)絡(luò)測量 主機基數(shù) 超點 FM Sketch IP地址搗碎

【摘要】：隨著計算機互聯(lián)網(wǎng)的蓬勃發(fā)展,網(wǎng)絡(luò)攻擊頻繁發(fā)生,如蠕蟲病毒、分布式拒絕服務(wù)攻擊(DDoS)、端口掃描等。這些攻擊事件在短時間內(nèi)產(chǎn)生大量的網(wǎng)絡(luò)鏈接,導致網(wǎng)絡(luò)堵塞甚至癱瘓。如掃描式蠕蟲在進行傳播時,其被感染主機通常在短時間內(nèi)向大量的其它主機發(fā)送報文。DDoS則是在短時間內(nèi)大量不同的主機向同一被攻擊主機發(fā)送報文。超點是在一段測量時間內(nèi)鏈接了大量不同目的主機的源主機。因此,實時識別超點對于網(wǎng)絡(luò)安全和管理有重要的意義。本文將Flajolet-Martin(FM) Sketch和IP地址搗碎技術(shù)應(yīng)用于超點檢測。FM Sketch是一隨機化計數(shù)結(jié)構(gòu),而IP地址搗碎使用一個哈希函數(shù)將32位的IP地址映射到長度為32位的比特位串中,并且該哈希函數(shù)是可逆的。以此為基礎(chǔ)提出了兩種超點檢測算法。第一種檢測算法使用5個二維位數(shù)組和6個哈希函數(shù),前四個哈希函數(shù)選取源IP字符串的部分比特位作為哈希值,根據(jù)哈希函數(shù)的映射特性,利用選擇的哈希短串的重疊比特位還原出源IP字符串,不需要單獨的空間存儲源IP,減少了讀取內(nèi)存的次數(shù)。該算法分為在線報文處理模塊和離線統(tǒng)計模塊。在線報文處理模塊使用哈希函數(shù)處理報文并更新位數(shù)組,離線統(tǒng)計模塊重建源IP字符串,使用FM Sketch估計超點基數(shù)并輸出超點信息。第二種超點檢測算法在第一種算法的基礎(chǔ)上加入IP地址搗碎技術(shù),該算法的在線報文處理模塊首先搗碎報文的源IP地址,離線統(tǒng)計模塊使用搗碎技術(shù)將重建的源IP進行可逆變換。在實驗中,使用從不同網(wǎng)絡(luò)中收集到的報文Trace進行實驗,使用錯誤否定率、錯誤肯定率作為評估標準,將本文的算法和相關(guān)的超點檢測算法進行對比。實驗結(jié)果表明,本文提出的算法能夠更準確有效地檢測出超點。
【關(guān)鍵詞】：網(wǎng)絡(luò)測量 主機基數(shù) 超點 FM Sketch IP地址搗碎
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP393.08
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-16
• 1.1 研究背景10-11
• 1.2 研究意義11-12
• 1.3 國內(nèi)外研究現(xiàn)狀12-14
• 1.4 論文的研究內(nèi)容和組織結(jié)構(gòu)14-16
• 第2章 網(wǎng)絡(luò)測量相關(guān)技術(shù)16-19
• 2.1 FM Sketch16-17
• 2.2 IP地址搗碎17-18
• 2.3 本章小結(jié)18-19
• 第3章 超點檢測算法的研究19-30
• 3.1 基于流抽樣的超點檢測算法19-21
• 3.1.1 流抽樣19
• 3.1.2 基于哈希流抽樣的超連接主機檢測算法19-21
• 3.2 基于Bitmap的超點檢測算法21-27
• 3.2.1 Bitmap21
• 3.2.2 基于隨機老化過濾器的隱超點檢測算法21-22
• 3.2.3 基于虛擬向量的超點檢測算法22-25
• 3.2.4 基于可逆結(jié)構(gòu)的超點檢測算法25-27
• 3.3 基于Bloom Filter的超點檢測算法27-29
• 3.3.1 Bloom Filter27-28
• 3.3.2 基于CBF的超點檢測算法28-29
• 3.4 本章小結(jié)29-30
• 第4章 基于FM Sketch的超點檢測算法30-44
• 4.1 FMBF算法30-38
• 4.1.1 總體設(shè)計30-31
• 4.1.2 數(shù)據(jù)結(jié)構(gòu)31-33
• 4.1.3 在線報文處理模塊33-35
• 4.1.4 離線統(tǒng)計模塊35-38
• 4.2 IM-FMBF算法38-42
• 4.2.1 總體設(shè)計38
• 4.2.2 具體描述38-42
• 4.3 算法的性能分析42-43
• 4.3.1 算法的空間復雜度42
• 4.3.2 算法的時間復雜度42-43
• 4.4 本章小結(jié)43-44
• 第5章 實驗44-59
• 5.1 實驗數(shù)據(jù)44
• 5.2 測量測度44
• 5.3 實驗數(shù)據(jù)分析44-49
• 5.3.1 實驗參數(shù)47
• 5.3.2 IP地址搗碎前后均勻性對比47-49
• 5.4 FMBF和IM-FMBF算法實驗對比49-51
• 5.4.1 參數(shù)設(shè)置49
• 5.4.2 實驗結(jié)果分析49-51
• 5.5 IM-FMBF和RCDS算法實驗對比51-58
• 5.5.1 參數(shù)設(shè)置51-52
• 5.5.2 實驗環(huán)境52
• 5.5.3 實驗結(jié)果52-58
• 5.6 本章小結(jié)58-59
• 第6章 總結(jié)與展望59-60
• 6.1 總結(jié)59
• 6.2 工作展望59-60
• 參考文獻60-64
• 攻讀學位期間公開發(fā)表論文64-65
• 致謝65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉波;;“算法設(shè)計與分析”教學探討[J];高等理科教育;2007年04期

2 肖小克;陳莉;;《算法設(shè)計與分析》實踐教學探討[J];福建電腦;2009年10期

3 穆瑞輝;;計算機算法設(shè)計研究與思考[J];數(shù)字技術(shù)與應(yīng)用;2012年12期

4 潘博;;構(gòu)建“算法設(shè)計與分析”趣味課堂[J];科教文匯(下旬刊);2013年06期

5 王希常,楊志強;一類考場編排算法的設(shè)計[J];山東師范大學學報(自然科學版);2002年04期

6 龍騰芳,高金文;“分而治之”方法在算法設(shè)計中的應(yīng)用[J];渤海大學學報(自然科學版);2004年01期

7 呂國英;;《算法設(shè)計與分析》教材建設(shè)的實施[J];計算機教育;2007年19期

8 徐子珊;;“算法設(shè)計與分析”教學中理論與技術(shù)的平衡[J];計算機教育;2008年10期

9 鄭紅;邵志清;符海波;;“算法設(shè)計與分析”課程教學改革初探[J];計算機教育;2008年14期

10 高尚;;“算法設(shè)計與分析”課程改革初探[J];計算機教育;2008年14期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 雷詠梅;;橢圓曲線密碼體制的算法設(shè)計與實現(xiàn)[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術(shù)年會文集[C];2000年

2 楊盤洪;朱軍祥;趙建安;楊靜;;機動目標跟蹤的模糊變結(jié)構(gòu)交互多模算法[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

3 徐子珊;;《算法設(shè)計與分析》課程中的工程教育[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

4 王輝;劉治昌;;用一種新算法設(shè)計的安全系統(tǒng)[A];2007年中國智能自動化會議論文集[C];2007年

5 舒輝;柳清峰;杜祝平;周蓓;;實踐教學模式在本科專業(yè)課程教學中的應(yīng)用[A];中國電子教育學會高教分會2010年論文集[C];2010年

6 彭小宏;陽東升;劉忠;;基于聚類算法的組織協(xié)作網(wǎng)設(shè)計[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

7 李皓;羅熊;;云存儲部署優(yōu)化的進化算法設(shè)計[A];2013年中國智能自動化學術(shù)會議論文集（第三分冊）[C];2013年

8 羅長政;李熙瑩;王鎮(zhèn)波;羅東華;;一種大流量交叉路口的背景提取與更新算法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

9 楊利;李霖;昌月樓;陽國貴;;對稱位向量及啟發(fā)式并行散列連接算法[A];數(shù)據(jù)庫研究與進展95——第十三屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1995年

10 張晉;;嵌入式電腦鼠運行算法的研究[A];全國第20屆計算機技術(shù)與應(yīng)用學術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學術(shù)會議論文集（上冊）[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 ;算法設(shè)計的策略[N];電腦報;2003年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 谷偉哲;齊次光滑算法及其應(yīng)用[D];天津大學;2010年

2 龍海俠;進化算法及其在生物信息中的應(yīng)用[D];江南大學;2010年

3 譚躍;具有混沌局部搜索策略的粒子群優(yōu)化算法研究[D];中南大學;2013年

4 尤海峰;求解隱式目標優(yōu)化問題的交互式進化算法研究[D];中國科學技術(shù)大學;2011年

5 張常淳;基于MapReduce的大數(shù)據(jù)連接算法的設(shè)計與優(yōu)化[D];中國科學技術(shù)大學;2014年

6 郭崇慧;地區(qū)中長期發(fā)展規(guī)劃若干定量模型、算法及應(yīng)用研究[D];大連理工大學;2002年

7 蔣蔚;粒子濾波改進算法研究與應(yīng)用[D];哈爾濱工業(yè)大學;2010年

8 孫賀;算法設(shè)計中的若干前沿問題[D];復旦大學;2009年

9 陳寧濤;基于二分技術(shù)的高效算法設(shè)計及其應(yīng)用[D];華中科技大學;2006年

10 婁曉文;無符號基因組切割再粘貼重組問題的算法研究[D];山東大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李欣園;基于選擇偏好的組合聚類算法研究與實現(xiàn)[D];內(nèi)蒙古大學;2015年

2 楊瀟;界約束非線性最小二乘問題的無導數(shù)算法[D];上海交通大學;2015年

3 王曉璐;基于Zynq的LS-SVM算法加速器設(shè)計[D];哈爾濱工業(yè)大學;2015年

4 樓磊磊;醫(yī)療保險數(shù)據(jù)異常行為檢測算法和系統(tǒng)[D];浙江大學;2015年

5 齊海龍;基于改進人工蜂群算法的非線性系統(tǒng)辨識方法研究[D];北京化工大學;2015年

6 蔡平梅;結(jié)構(gòu)化稀疏信號的恢復算法研究[D];上海大學;2015年

7 趙晨陽;基于蟻群算法的高階圖匹配方法研究[D];西安電子科技大學;2014年

8 茍清松;多目標粒子濾波檢測前跟蹤算法研究[D];電子科技大學;2015年

9 李枝勇;蝙蝠算法及其在函數(shù)優(yōu)化中的應(yīng)用研究[D];上海理工大學;2013年

10 李蓮;基于蜂群和粗糙集的聚類算法研究[D];長沙理工大學;2014年

，

本文編號：579339