基于局域波分析的网络流量异常检测方法研究

论文摘要

近几年来,计算机网络发展异常迅猛。网络规模不断扩大,复杂性不断增加,网络的异构性越来越高。导致网络出现各种性能问题的可能性增大,而且传播得更为广泛,发现和诊断问题的难度增大。另一方面用户对网络服务性能提出了更高的要求,这些都增加了网络管理的难度。因此如何实时检测这些网络异常成为目前重要的研究课题。对网络流量进行实时监测和管理,及时地发现网络流量异常,对提高网络的可靠性和安全性具有重要意义。本文首先分析了国内外网络流量异常检测的研究现状,指出了所存在的问题,并提出了新的研究思路。局域波分解方法是一种新兴的信号时频分析方法,它吸收了小波变换的多分辨分析的优点,同时又克服了小波变换需要选取小波基和分解层数的缺点,实现了基于信号局部时变特征的自适应时频分解。但原有的EMD方法分解速度慢、边缘出现失真、筛选条件不严格和缺乏对伪分量的判断。我们在分析EMD方法的基础上提出了线性均值分解方法,它有效的克服了这些缺点。进一步的,我们分析了采样频率对该分解方法精度的影响。流量模型是流量分析的重要组成部分。本文分析了多种流量模型,并以自相似流量模型为基础,提出了基于局域波分析的自相似参数(Hurst参数)的估计方法。该方法能够更准确地估计出网络流量的自相似程度。针对现有的网络流量异常检测方法实时性差、精度低和不具有自适应性等缺点,基于对局域波方法的研究,提出了一种基于局域波分解的流量异常检测方法。该方法能够根据流量信号的特点,而自适应的调节分辨率,达到对流量信号的更准确的分析。实验表明该方法具有更高的准确性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究目的和意义
• 1.2 网络流量异常检测
• 1.2.1 基本概念
• 1.3 网络流量异常检测方法综述
• 1.3.1 国内外研究现状
• 1.3.2 现有研究的不足
• 1.4 本文主要研究内容
• 1.5 论文章节安排
• 第2章 局域波分析方法及其算法的改进
• 2.1 瞬时频率的物理意义和局域波法
• 2.2 局域波分解算法的基本思想
• 2.3 局域波方法与小波方法的对比分析
• 2.4 基于经验的模式分解算法（EMD）
• 2.5 消除边界效应的方法
• 2.6 线性均值分解方法
• 2.6.1 线性均值分解
• 2.6.2 改进的筛选终止条件
• 2.6.3 伪分量的去除
• 2.7 局域波分解与采样频率的关系
• 2.8 分解方法的仿真比较
• 2.9 本章小结
• 第3章 网络流量模型与自相似特性
• 3.1 泊松分布模型
• 3.2 马尔科夫模型
• 3.3 自回归模型（AR）
• 3.4 传统模型的不足
• 3.5 自相似模型
• 3.5.1 自相似模型描述
• 3.5.2 自相似性的性质
• 3.6 自相似性的度量和参数估计
• 3.6.1 赫斯特效应
• 3.6.2 Hurst参数估计方法
• 3.7 基于局域波分析的Hurst参数估计
• 3.7.1 基于局域波分析的Hurst参数估计方法
• 3.7.2 Hurst参数估计方法实验比较
• 3.8 本章小结
• 第4章 基于局域波分析的网络流量异常检测
• 4.1 网络流量异常的分类特征
• 4.2 基于局域波分析的网络流量异常检测方法
• 4.2.1 检测流程
• 4.2.2 无偏估计的自适应采样
• 4.2.3 滑动时窗
• 4.3 实验结果与分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢