本文關(guān)鍵詞：面向IaaS的虛擬機(jī)異常檢測(cè)系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：基礎(chǔ)設(shè)施即服務(wù)（Infrastructure as a Service，IaaS）是云計(jì)算的一種服務(wù)模式，它將計(jì)算機(jī)硬件抽象成虛擬資源池，并為用戶提供按需獲取、彈性可伸縮的服務(wù)。隨著云計(jì)算的發(fā)展，大量的應(yīng)用和用戶數(shù)據(jù)都部署在云端，云計(jì)算的可靠性面臨著巨大的挑戰(zhàn)。研究發(fā)現(xiàn)，系統(tǒng)故障出現(xiàn)的根本原因是由于缺少異常檢測(cè)機(jī)制和容錯(cuò)手段。然而，云計(jì)算本身具有大規(guī)模、分布式、虛擬化和高動(dòng)態(tài)性等特點(diǎn)，從而導(dǎo)致傳統(tǒng)的異常檢測(cè)技術(shù)不能適應(yīng)云計(jì)算環(huán)境。 本文針對(duì)云環(huán)境下的虛擬機(jī)，設(shè)計(jì)了一套通過采集虛擬機(jī)性能指標(biāo)，采用基于主成分分析和貝葉斯決策的異常檢測(cè)方法，實(shí)現(xiàn)對(duì)虛擬機(jī)的異常檢測(cè)。針對(duì)虛擬機(jī)性能指標(biāo)的特點(diǎn)，提取其主要特征，在半監(jiān)督模式下建立起虛擬機(jī)的正常輪廓，并與正常輪廓進(jìn)行對(duì)比。同時(shí)，該機(jī)制可以根據(jù)虛擬機(jī)運(yùn)行狀態(tài)動(dòng)態(tài)調(diào)整虛擬機(jī)數(shù)據(jù)采集策略，并結(jié)合多種異常檢測(cè)策略提出了虛擬機(jī)多狀態(tài)異常檢測(cè)。 本文完成的主要工作如下： (1)本文深入研究了云計(jì)算下IaaS模式的特點(diǎn)，針對(duì)虛擬機(jī)的資源可用性，提出了虛擬機(jī)性能指標(biāo)體系，用于刻畫虛擬機(jī)的運(yùn)行狀態(tài)，并詳細(xì)介紹了IaaS下虛擬機(jī)性能指標(biāo)的采集方法。 (2)由于傳統(tǒng)的數(shù)據(jù)采集方法不能動(dòng)態(tài)調(diào)整數(shù)據(jù)采集的頻率，無法很好的適應(yīng)云計(jì)算環(huán)境的高動(dòng)態(tài)性，本文提出了一種自適應(yīng)數(shù)據(jù)采集策略，，根據(jù)虛擬機(jī)的運(yùn)行狀態(tài)，動(dòng)態(tài)選擇粗粒度和細(xì)粒度兩種數(shù)據(jù)采集方式，在不增加虛擬機(jī)性能開銷的情況下，提高了異常檢測(cè)的準(zhǔn)確性。 (3)針對(duì)傳統(tǒng)的異常檢測(cè)算法不能適應(yīng)IaaS環(huán)境下被檢測(cè)對(duì)象多、采集數(shù)據(jù)量大、數(shù)據(jù)維度高等特點(diǎn)，本文提出了基于主成分分析和貝葉斯決策進(jìn)行異常檢測(cè)的機(jī)制。同時(shí)，傳統(tǒng)的異常檢測(cè)方法不能適應(yīng)云計(jì)算環(huán)境的高動(dòng)態(tài)性，本文還提出了虛擬機(jī)多狀態(tài)異常檢測(cè)機(jī)制，結(jié)合了基于時(shí)間點(diǎn)和時(shí)間窗口的異常檢測(cè)策略，降低了異常檢測(cè)的誤報(bào)率。 (4)基于以上研究工作，設(shè)計(jì)并實(shí)現(xiàn)了面向IaaS的虛擬機(jī)異常檢測(cè)系統(tǒng)。并利用開源技術(shù)搭建了OpenStack云計(jì)算平臺(tái)，通過異常注入的方式，根據(jù)異常的誤報(bào)率和漏報(bào)率等指標(biāo)評(píng)估了本文的虛擬機(jī)異常檢測(cè)系統(tǒng)。 綜上所述，本文針對(duì)IaaS下虛擬機(jī)異常檢測(cè)技術(shù)進(jìn)行了全面、深入的研究，通過改進(jìn)異常檢測(cè)算法，設(shè)計(jì)實(shí)現(xiàn)了虛擬機(jī)異常檢測(cè)系統(tǒng)，并驗(yàn)證了其有效性。
【關(guān)鍵詞】：云計(jì)算 虛擬化 異常檢測(cè) 主成分分析 貝葉斯決策
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP302
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 1 緒論8-13
• 1.1 研究背景8
• 1.2 研究意義8-9
• 1.3 國內(nèi)外研究現(xiàn)狀9-11
• 1.4 主要內(nèi)容及章節(jié)安排11-13
• 2 相關(guān)技術(shù)概述13-23
• 2.1 云計(jì)算技術(shù)13-17
• 2.1.1 云計(jì)算概述13-14
• 2.1.2 虛擬機(jī)監(jiān)控器14-16
• 2.1.3 虛擬化技術(shù)16-17
• 2.2 異常檢測(cè)技術(shù)17-22
• 2.2.1 輸入數(shù)據(jù)的性質(zhì)17-18
• 2.2.2 異常類型18-20
• 2.2.3 數(shù)據(jù)標(biāo)簽20-21
• 2.2.4 異常檢測(cè)的輸出21
• 2.2.5 異常檢測(cè)方法21-22
• 2.3 本章小結(jié)22-23
• 3 虛擬機(jī)異常檢測(cè)系統(tǒng)總體設(shè)計(jì)23-29
• 3.1 云計(jì)算環(huán)境下異常檢測(cè)面臨的問題23-24
• 3.2 云數(shù)據(jù)中心結(jié)構(gòu)概述24-25
• 3.3 虛擬機(jī)異常檢測(cè)系統(tǒng)結(jié)構(gòu)設(shè)計(jì)25-28
• 3.4 本章小結(jié)28-29
• 4 虛擬機(jī)異常檢測(cè)系統(tǒng)關(guān)鍵技術(shù)設(shè)計(jì)與實(shí)現(xiàn)29-47
• 4.1 虛擬機(jī)性能指標(biāo)采集29-36
• 4.1.1 虛擬機(jī)性能指標(biāo)體系29-33
• 4.1.2 虛擬機(jī)性能指標(biāo)采集方法33-35
• 4.1.3 自適應(yīng)虛擬機(jī)性能指標(biāo)采集策略35-36
• 4.2 虛擬機(jī)性能指標(biāo)數(shù)據(jù)的傳輸和存儲(chǔ)36-38
• 4.2.1 數(shù)據(jù)傳輸36-38
• 4.2.2 數(shù)據(jù)存儲(chǔ)38
• 4.3 虛擬機(jī)異常分析38-45
• 4.3.1 特征提取39-40
• 4.3.2 主成分分析40-41
• 4.3.3 貝葉斯決策41-44
• 4.3.4 多狀態(tài)異常檢測(cè)機(jī)制44-45
• 4.4 本章小結(jié)45-47
• 5 系統(tǒng)測(cè)試與分析47-55
• 5.1 系統(tǒng)實(shí)驗(yàn)驗(yàn)證環(huán)境及測(cè)試方法47-49
• 5.1.1 應(yīng)用環(huán)境48
• 5.1.2 異常注入48-49
• 5.1.3 數(shù)據(jù)采集49
• 5.2 結(jié)果分析49-54
• 5.2.1 性能指標(biāo)分析49-52
• 5.2.2 檢測(cè)結(jié)果分析52-54
• 5.3 本章小結(jié)54-55
• 6 總結(jié)與展望55-57
• 6.1 研究總結(jié)55-56
• 6.2 未來展望56-57
• 致謝57-58
• 參考文獻(xiàn)58-61
• 附錄61
• A. 作者在攻讀學(xué)位期間發(fā)表的論文目錄61
• B. 作者在攻讀學(xué)位期間參加的科研項(xiàng)目61

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 羅敏,王麗娜,張煥國;基于無監(jiān)督聚類的入侵檢測(cè)方法[J];電子學(xué)報(bào);2003年11期

2 向大為;麥永浩;;“熊貓燒香”案件的分析鑒定[J];警察技術(shù);2009年01期

3 陸聲鏈,林士敏;基于距離的孤立點(diǎn)檢測(cè)研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年33期

4 譚小彬,王衛(wèi)平,奚宏生,殷保群;系統(tǒng)調(diào)用序列的Markov模型及其在異常檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程;2002年12期

5 韋勇;連一峰;;基于日志審計(jì)與性能修正算法的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型[J];計(jì)算機(jī)學(xué)報(bào);2009年04期

6 張煥國;陳璐;張立強(qiáng);;可信網(wǎng)絡(luò)連接研究[J];計(jì)算機(jī)學(xué)報(bào);2010年04期

7 張之勇;鄭方偉;佘X;周明天;;Windows NT文件系統(tǒng)實(shí)時(shí)監(jiān)控的實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2007年S1期

8 錢瓊芬;李春林;張小慶;李臘元;;云數(shù)據(jù)中心虛擬資源管理研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2012年07期

9 黃添強(qiáng);秦小麟;葉飛躍;;基于方形鄰域的離群點(diǎn)查找新方法[J];控制與決策;2006年05期

10 倪巍偉;陳耿;吳英杰;孫志揮;;一種基于局部密度的分布式聚類挖掘算法[J];軟件學(xué)報(bào);2008年09期

  本文關(guān)鍵詞：面向IaaS的虛擬機(jī)異常檢測(cè)系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：374779