基于非参数统计高斯核函数特征量的网络流量异常检测方法

论文摘要

网络流量异常检测的研究是目前研究的一个热点,网络业务种类不断增加,网络入侵层出不穷,使得基于网络流量入侵检测的研究显得十分必要。入侵攻击的不断更新以及攻击特征的隐藏,使得研究入侵检测的异常检测方法的研究具有相当重要的意义。本文针对参数统计模型存在的问题,提出了一种基于非高斯核函数分布的网络流量异常检测模型。相比参数统计模型,不仅能准确地拟合非平稳性的流量,而且参数估计的准确度更高,本文通过美国国防部高等研究计划局DARPA1999数据集做了分布拟合的对比分析。考虑到网络流量的复杂特征,如长相关、自相似等,本文利用离散小波变换从不同频域上分析流量特性,综合考虑低、高频流量的不同性质以及统计规律,并通过理论和实验解释了流量的一些内在变化过程。另外,核函数的距离度量优势使得该方法常被应用于分类或者神经网络中等,而关于核函数带宽的统计特征规律很少被研究者考虑和分析。本文考虑到其分布函数能较准确地拟合非平稳流量,其带宽特征值的大小能准确描述分布形状的变化,而网络异常发生时,分布的形状肯定会受到影响,因此使用带宽值作为统计量进行分析。最后,结果表明,我们提出的方法对网络流量异常检测是非常有效的。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 项目背景
• 1.2 国内外研究现状
• 1.3 本项目的主要研究工作
• 2 网络流量模型分析
• 2.1 小波分析理论
• 2.2 参数分布统计模型
• 2.3 非参数分布统计模型
• 2.4 本章小结
• 3 基于离散小波变换的流量分析
• 3.1 引言
• 3.2 网络流量数据
• 3.3 网络流量的离散小波变换
• 3.4 本章小结
• 4 流量的非参数高斯核分布模型
• 4.1 低频流量的建模
• 4.2 高频流量的建模及性质分析
• 4.3 流量特征值序列分析
• 5 结束语
• 5.1 工作总结
• 5.2 关于进一步研究的几点思考
• 致谢
• 参考文献
• 附录 （攻读学位期间发表论文目录）