網(wǎng)絡服務訪問量的激增使得服務提供商不得不擴大服務部署規(guī)模,傳統(tǒng)的服務方式已經(jīng)不能滿足需求,云平臺因此而誕生。云平臺具有規(guī)模龐大、易獲得、可用性高、廉價的特點,這使得云平臺在誕生之后便迅猛發(fā)展,但同時也帶來了巨大的挑戰(zhàn),越來越多的重要服務和數(shù)據(jù)被發(fā)布到云平臺上,這就使得云平臺的安全問題越來越重要,逐漸成為人們關注的一個焦點�，F(xiàn)有的研究大多聚焦于預防云平臺安全事件的發(fā)生,但隨著互聯(lián)網(wǎng)技術的發(fā)展網(wǎng)絡結構的復雜多樣化,惡意人員有了更多的選擇可以接近目標并進行攻擊,這使得許多安防措施形同虛設。日志是反映訪問行為的天然數(shù)據(jù),本文將日志作為云平臺追責的信息源。云平臺龐大的規(guī)模和復雜的結構,使得其日志量異常龐大,相關日志分布分散且日志之間關系復雜,不易分析和提取異常信息。本文首先針對云平臺日志特性對日志過濾方法進行了優(yōu)化設計和實驗驗證,然后將事件分類并進行特征研究,最后結合日志特征和事件特征設計了一套完整的追責方法并進行了仿真實驗。本文主要工作內容如下:1、通過對云平臺服務部署方式的研究,總結出云平臺可能會遭受的攻擊方式,基于攻擊方式歸納出云平臺中的幾種實體關系。為了對云平臺實體間關系進行測量,本文基于...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

圖２－４?ＭａｐＲｅｄｕｃｅ執(zhí)行過程圖??以ＷｏｒｄＣｏｕｎｔ為例，結合圖２－４，一次統(tǒng)計過程如下：??

ＭａｐＲｅｄｕｃｅ劃分為“Ｍａｐ?（映射）”和“Ｒｅｄｕｃｅ?（歸約）”兩個概念［３８］，是并行計算??的中心思想，在Ｈａｄｏｏｐ框架中中只需要實現(xiàn)ｍａｐ（）和ｒｅｄｕｃｅ（）兩個函數(shù)就可以實現(xiàn)??分布式計算。ＭａｐＲｅｄｕｃｅ的執(zhí)行過程如圖２－４所示：??＜ｋｌ，?ｖｌ＞?Ｍａ....

圖2一SStom計算拓撲圖

所示的Ｓｔｏｒｍ任務有兩個數(shù)據(jù)源，經(jīng)過處理后，輸出兩種不同結果。目??在美團點評的相關實時任務中己經(jīng)有較為成熟的應用。??ｏｒｍ相同，Ｆｌｉｎｋ在流式處理上也有較為成熟的應用。事實上，Ｆｌｉｎｋ是一??流式處理和批處理的混合框架，當前的主流框架都將批處理和流式處理??類型，而Ｆｌ....

圖２－６?Ｋａｆｋａ消息分發(fā)機制圖??２－６，ｋａｆｋａａｒｔｉｔｉｏｎ組，組里??

?Ｃｏｎｓｕｍｅｒ?Ｇｒｏｕｐ２??圖２－６?Ｋａｆｋａ消息分發(fā)機制圖??如圖２－６所示，ｋａｆｋａ先將所有ｐａｒｔｉｔｉｏｎ的消息都分發(fā)到所有用戶組，然后組里??的用戶輪詢消費ｐａｒｔｉｔｉｏｎ的數(shù)據(jù)，允許用戶重復消費，但不允許用戶消費不到消??息，因此，每個ｇｒｏｕｐ中用戶數(shù)....

圖３－２實體間關系量化方法架構圖??

云平臺具有分布式特性，每個實體在運行過程中都在不斷產(chǎn)生日志，來記錄??實體的運行狀況和通信信息等。由上研究可知，實體間相關性是會隨時間變化的，??因此本文為實體間相關性度量系統(tǒng)設計了如圖３－２的物理架構，來保證實體間相??關性度量的實時性和準確性：?????＿＿??、、、、??、....

本文編號：4032873