本文關(guān)鍵詞：基于云計算異常的實時檢測和自動響應(yīng)系統(tǒng)研究

  更多相關(guān)文章： 云安全 異常檢測 溯源 虛擬機遷移

【摘要】：近年來，云計算技術(shù)憑借其易擴(kuò)展，便捷和按需消費的特點，得到了廣泛的應(yīng)用，技術(shù)本身也愈加成熟。在云計算技術(shù)的發(fā)展過程中，對安全和穩(wěn)定性的要求向來不可忽視，越來越多基于性能參數(shù)的異常檢測研究被提出并應(yīng)用到云計算環(huán)境中來。同時，隨著虛擬化技術(shù)的日益成熟，虛擬機熱遷移成為云計算環(huán)境下不可或缺的一項技術(shù)。然而，由此帶來的云環(huán)境變化造成的系統(tǒng)運時參數(shù)的變化使現(xiàn)有的一些異常檢測手段失效。本文旨在提出自適應(yīng)的云計算異常檢測和響應(yīng)系統(tǒng)，，不僅能在云計算環(huán)境變化時依然準(zhǔn)確發(fā)掘異常，還能完成異常溯源和響應(yīng)，使得異常從發(fā)生到發(fā)現(xiàn)和排除的時間間隔大幅縮短，保障云安全。 本文首先提出自適應(yīng)異常檢測和溯源算法，通過對性能統(tǒng)計數(shù)據(jù)的數(shù)據(jù)挖掘，實時地發(fā)出異常警報和原因。算法具有良好的適應(yīng)性，即使云計算環(huán)境發(fā)生變化，依然可以以高準(zhǔn)確率甄別異常。通過實驗證明，本次設(shè)計提出的算法相對于經(jīng)典的異常檢測算法擁有較高的異常檢出率和較低的誤報率，同時具有高實時性和穩(wěn)定性。此外，實驗驗證溯源算法可以成功地指出異常發(fā)生原因。 基于異常的種類，本文提供了異常響應(yīng)機制。利用分層分析法選擇最優(yōu)的響應(yīng)方法并利用響應(yīng)力度狀態(tài)機決定回?fù)魪姸�，減少管理員排除異常的難度并提高排除速度，進(jìn)一步確保了云計算平臺的安全。
【關(guān)鍵詞】：云安全 異常檢測 溯源 虛擬機遷移
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP302;TP309
【目錄】：

• 摘要3-4
• ABSTRACT4-12
• 第一章 緒論12-21
• 1.1 研究背景與意義12-16
• 1.1.1 云計算簡介12-13
• 1.1.2 云安全問題13-15
• 1.1.3 云平臺虛擬化15-16
• 1.2 異常檢測和響應(yīng)系統(tǒng)的評判標(biāo)準(zhǔn)16-17
• 1.3 云計算異常分類17
• 1.4 國內(nèi)外研究現(xiàn)狀17-19
• 1.4.1 云計算異常檢測研究現(xiàn)狀17-18
• 1.4.2 云計算異常響應(yīng)研究現(xiàn)狀18-19
• 1.5 論文的主要內(nèi)容與章節(jié)安排19-21
• 第二章 異常檢測與響應(yīng)系統(tǒng)架構(gòu)分析與設(shè)計21-24
• 2.1 系統(tǒng)架構(gòu)分析21
• 2.2 系統(tǒng)設(shè)計21-24
• 第三章 異常檢測算法24-45
• 3.1 異常檢測問題介紹24-25
• 3.2 集合異常檢測問題介紹25
• 3.3 集合異常檢測算法比較25-29
• 3.3.1 基于分類的集合異常檢測方法26
• 3.3.2 基于聚類的集合異常檢測方法26-27
• 3.3.3 最近鄰集合異常檢測方法27-28
• 3.3.4 統(tǒng)計學(xué)集合異常檢測方法28-29
• 3.4 集合異常檢測算法的選擇29
• 3.5 異常檢測中的 LOF 算法29-34
• 3.5.1 LOF 算法細(xì)節(jié)29-31
• 3.5.2 數(shù)據(jù)存儲31-33
• 3.5.3 K-NN 算法33-34
• 3.6 LOF 算法在云計算異常檢測背景下的改進(jìn)34-38
• 3.6.1 增加訓(xùn)練過程34-35
• 3.6.2 提高算法自適應(yīng)能力35-38
• 3.7 上下文異常檢測問題介紹38-39
• 3.8 上下文異常檢測算法選擇39-41
• 3.9 SAX 算法細(xì)節(jié)41-43
• 3.10 本章小結(jié)43-45
• 第四章 異常溯源算法設(shè)計45-55
• 4.1 異常溯源問題介紹45-47
• 4.2 異常維度與 LOF 值關(guān)系的結(jié)論及證明47-51
• 4.2.1 結(jié)論描述47
• 4.2.2 結(jié)論證明47-51
• 4.3 異常溯源算法描述51-52
• 4.4 異常檢測和溯源系統(tǒng)整合52-53
• 4.5 本章小結(jié)53-55
• 第五章 異常響應(yīng)系統(tǒng)設(shè)計55-62
• 5.1 異常響應(yīng)系統(tǒng)描述55-61
• 5.1.1 異常分析機制56-58
• 5.1.2 異常響應(yīng)的可行措施58-59
• 5.1.3 異常響應(yīng)措施的選擇59-61
• 5.2 本章小結(jié)61-62
• 第六章 實驗與分析62-80
• 6.1 環(huán)境搭建62-64
• 6.1.1 背景應(yīng)用62
• 6.1.2 軟硬件工具62-63
• 6.1.3 異常注入63
• 6.1.4 數(shù)據(jù)采集63-64
• 6.2 動態(tài) LOF 算法性能測試64-67
• 6.2.1 算法適應(yīng)性度量64-66
• 6.2.2 算法異常檢測能力測試66-67
• 6.3 異常溯源算法(DR-LOF)測試67-69
• 6.4 異常檢測和溯源部分測試69-74
• 6.4.1 正常狀態(tài)下的虛擬機遷移69-71
• 6.4.2 發(fā)生異常的虛擬機遷移71-73
• 6.4.3 參數(shù) K 的選擇對算法的影響73-74
• 6.5 異常檢測和溯源系統(tǒng)的實時性分析74-75
• 6.6 異常檢測和溯源算法與其他算法的比較75-79
• 6.6.1 與傳統(tǒng) LOF 算法的比較75-76
• 6.6.2 與聚類算法的比較76-79
• 6.7 本章小結(jié)79-80
• 第七章 結(jié)束語80-82
• 7.1 主要工作與創(chuàng)新點80-81
• 7.2 后續(xù)研究工作81-82
• 參考文獻(xiàn)82-86
• 致謝86-87
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文87-89

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 楊文泉,陸陽;利用系統(tǒng)調(diào)用的延滯對入侵進(jìn)行自反應(yīng)[J];計算機工程與應(yīng)用;2003年06期

2 馬欣,張玉清,顧新,馮濤;自動入侵響應(yīng)技術(shù)研究[J];計算機應(yīng)用研究;2004年04期

3 戴元順;;云計算技術(shù)簡述[J];信息通信技術(shù);2010年02期

本文編號：797877