面向云计算环境的异常检测技术研究

发布时间：2020-05-10 23:19

【摘要】：伴随信息化技术的高速发展以及分布式技术、大数据、虚拟化等新理念、新方法的蓬勃兴起,催生了云计算技术。这些年来,云计算应用到更多领域,发展更加迅猛有力。虽然云计算的运行模式比之前有了很大改进,令云计算环境的安全性以及可控性有了较大的提高,但由于其自身的复杂性及大规模性,使得系统容易出现异常,也更加容易吸引黑客的攻击,对云计算环境的安全性产生了严重的威胁。因此,面向云计算环境的异常检测技术越发显得重要,是云安全的重要组成部分。本文面向云计算环境网络安全,主要针对网络异常进行研究,重点在于提高云计算环境可用性,完成的主要工作包括:(1)针对云环境下数据量大、复杂以及样本存在不均衡的情况,提出了一种基于影响补偿因子的样本差异均衡方法,为小类样本引入影响补偿因子,并增加其对整个模型的影响程度,使得其特性不至于被大类淹没。(2)传统BP神经网络在训练时很依赖初值选取,容易陷入局部极小值,因此引入了模拟退火算法,并对模拟退火算法进行了进一步的分析,针对其存在的寻优能力不足、在低温时发生震荡的问题,本文提出了一种两阶段优化的改进模拟退火算法,在两个阶段中,分别设置不同的控制参数,既保证了全局寻优的特点,又减少了震荡的发生。(3)分析了 BP神经网络梯度下降法的特点,针对训练过程复杂、样本存在关联性的特点,提出了一种基于交叉分组的改进BP神经网络算法,并且对于收敛速度较慢的问题,为神经网络设置了动态自适应学习速率,根据目标函数的变化情况,动态调整学习速率以适应寻优过程,提高了收敛速度。将上面的算法结合起来用于进行异常检测,有效的提升了算法的性能。(4)本文设计并实现了基于三层架构的系统模型,即“数据处理-异常检测-异常响应”,分别对每个功能模块的特性进行详细描述。基于此模型,我们实现了对异常行为的准确检测,提高了云计算环境的安全性。最后进行了实验并对系统性能进行了分析。结果表明,本文算法不仅提高了检测率,降低了误报率,加快了学习速度,同时对小类型也起到了明显的补偿作用,能够有效解决云计算安全中存在的问题。
【图文】：

架构图,架构,平台,虚拟化

比如原来的虚拟化思想在这里得到了长足的发展，，资源共享的方式整个得到了革逡逑新。云计算提供了三种模式的服务：基础设施即服务（ｌａａＳ）、平台即服务（ＰａａＳ）、逡逑软件即服务（ＳａａＳ）。云平台的整体层次服务架构图如图２－１所示。逡逑ｐｃ＆浏览器逦云终端＆客户机逡逑软件服务＂逦０Ａ系统＆ＣＲＭ逦邮件＆即时通信逦门户Ｓ内容管理逡逑ＳａａＳ逡逑平台服务逦身份认证管理逦工作流＆报表逦服务总线＆逡逑ＰａａＳ逦＆访问控制逦数据挖掘逦任务管理逡逑数据存计算服务逦负载管理逡逑备份逦丨逡逑基础设施服务邋逦逡逑ＩａａＳ逡逑虚拟化逡逑主机逦存储逦网络设备邋其他设备逡逑图２－１云平台整体层次服务架构逡逑Ｆｉｇ．２－１邋Ｔｈｅ邋ａｒｃｈｉｔｅｃｔｕｒｅ邋ｏｆ邋ｃｌｏｕｄ邋ｐｌａｔｆｏｒｍ邋ｓｅｒｖｉｃｅ逡逑７逡逑

异常检测

逦＂ＩＤＳ逦Ｈ，ＤＳ逡逑图２－２基于主机的异常检测系统逡逑Ｆｉｇ．２－２邋Ａｎｏｍａｌｙ邋ｄｅｔｅｃｔｉｏｎ邋ｓｙｓｔｅｍ邋ｂａｓｅｄ邋ｏｎ邋ｈｏｓｔ逡逑（１）
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP393.08

【参考文献】