面向云平台安全监控多维数据的离群节点自识别可视化技术

发布时间：2018-01-25 19:13

  本文关键词： 云安全 云平台安全监控 可视化技术 离群节点自识别　出处：《山东大学学报(理学版)》2017年06期 　论文类型：期刊论文

【摘要】：通过总结目前云平台安全监控的数据可视化技术,结合具体的多维监控数据探讨可视化技术的应用方法,从时间、节点号、性能指标类型三个维度出发,提出了基于维度压缩与维度切面的性能数据集可视化方法,并在此基础上,应用动态时间规划和卷积神经网络实现离群节点自识别,丰富扩展了警报系统的语义。经实验验证方法可行,能够更直观地展现有效信息,提高云管理员的决策效率。
[Abstract]:Through summarizing the current cloud platform security monitoring data visualization technology, combined with specific multi-dimensional monitoring data to explore the application of visualization technology, from the time, node number, performance index type of three dimensions. Based on dimension compression and dimension tangent, a new method of performance data set visualization is proposed. Based on this, outlier node self-recognition is realized by using dynamic time planning and convolution neural network. It enriches and expands the semantics of the alarm system and proves that the method is feasible and can show the effective information more intuitively and improve the decision efficiency of the cloud administrator.
【作者单位】： 武汉大学空天信息安全与可信计算教育部重点实验室;武汉大学计算机学院;
【基金】：国家自然科学基金资助项目(U1536204,61373169) 国家科技支撑计划项目(2014BAH41B00) 国家高技术研究发展(863)计划项目(2015AA016004) 信息保障技术重点实验室开放基金资助项目(KJ-14-110,KJ-14-101)
【分类号】：TP277;TP393.08
【正文快照】： 0引言随着云计算技术的发展,云平台逐渐演进为具有超大规模节点,节点内又包含海量的、层次服务复杂的网络。从各类节点、服务中收集到的基础数据通过云监控系统汇总的监控数据集具有层次多、数据量大、数据类型复杂的特点[1]。随着用户数量的大幅提升和任务种类、规模及难度的，

本文编号：1463497