基于AdaBoost算法的路由泄漏检测技术研究与实现

发布时间：2020-09-19 13:55

　　 随着BGP网络协议的广泛应用,路由泄露作为常见的BGP异常,对网络稳定性造成巨大威胁。如何实现对路由泄露事件的有效检测,对维护网络环境稳定具有重要的意义。机器学习技术可以很好地用于路由泄露异常事件的检测。但是现有的机器学习检测算法在进行BGP异常检测时,缺乏针对路由泄露异常的特征研究,其检测结果只能反映出是否发生BGP异常,而不能进一步确定异常类型是否是路由泄露。这将会为解决异常问题造成不便。本课题基于以上问题,提出一种针对路由泄露异常的检测算法。该算法针对路由泄露异常事件,提出区别于其他类型异常事件的特征,同时引入AdaBoost算法改进现有的单分类器检测算法。该算法在真实数据的基础上进行算法实现,具有针对性强,检测准确率较高的特点。论文主要工作包括三个方面。首先,本课题对路由泄露的定义和BGP协议进行分析,挖掘出三个路由泄露的特征。同时加入一些常见的BGP异常事件的特征,将两者联合得到最终的特征集。其次,本课题在真实数据的基础上实现了相关特征的计算和有效性检测。最后,本课题设计并实现了基于AdaBoost算法的路由泄露检测算法。实验结果表明,与已有的算法相比较,本课题提出的基于AdaBoost算法的路由泄露检测算法能够提升算法的准确率,实现针对性的路由泄露异常检测。
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP393.08;TP181
【部分图文】：

逦＋逡逑图２－１邋ＵＰＤＡＴＥ报文结构逡逑如图２－１所示：ＵＰＤＡＴＥ报文主要由图中的５部分组成，在本课题中我们逡逑的研宄主要是针对ＰＡＴＨ属性的研宄，ＰＡＴＨ属性信息反映了网络中拓扑状态逡逑变化的过程，有助于我们观察到路由泄露异常事件发生时，最原始的网络拓扑逡逑变化趋势。针对ＡＳ＿ＰＡＴＨ属性信息，最常见的有：逡逑１）逦ＯＲＩＧＩＮ逡逑该属性是必要属性。反映了该路由使用的协议属性，具体的值包括了邋ＩＧＰ，逡逑ＥＧＰ，邋ＩＮＣＯＭＰＬＥＴＥ邋等。逡逑２）逦ＡＳ—ＰＡＴＨ逡逑该属性是必要属性。基本的信息包括了一个列表信息：＜ＡＳ＿ＰＡＴＨ路径类型，逡逑当前路径长度，具体路径值＞。ＡＳ＿ＰＡＴＨ路径类型用于标识具体路径值属性是逡逑否有序

ｓｒＨＢＳ逡逑图３－１路由泄露发生前网络拓扑情况逡逑如图３－１所示，根据针对于该路由泄露异常事件发布的信息可知：ＡＳ１７４８８逡逑是ＡＳ邋９４９８的客户，而ＡＳ１５１６９与ＡＳ１７４８８是互为对等体关系，ＡＳ邋１０００逡逑是ＡＳ邋９４９８的供应商，为其提供基本的流量转发服务。在路由泄漏事件发生前，逡逑ＡＳ１０００有经过ＡＳ邋ｗ，邋Ａｓ邋ｖ到达ｇｏｏｇｌｅ拥有的ＡＳ邋１５１６９的可达通路。这起路逡逑由泄漏事件的起因是：与ＧｏｏｇｌｅＡＳ１５１６９有对等体关系的ＨａｔｈｗａｙＡＳ１７４８８，逡逑将由Ｇｏｏｇｌｅ发起的路由信息违反转发策略泄露给ＨａｔｈｗａｙＡＳ１７４８８的供应商逡逑ＡｉｒｔｅｌＡＳ９４９８，这违反了邋ｖａｌｌｅｙ＿ｆｒｅｅ策略，造成了路由泄露异常事件。逡逑逦逦逡逑ＡＳ邋ｗ逦ＡＳ邋ｖ逡逑＜邋＞逡逑ＡＳ邋Ｍ９８（Ａｒｉｔｅｒ）逦ＡＳ邋１７４ＳＳ逡逑

ｒＨＢＳ逡逑图３－１路由泄露发生前网络拓扑情况逡逑如图３－１所示，根据针对于该路由泄露异常事件发布的信息可知：ＡＳ１７４８８逡逑是ＡＳ邋９４９８的客户，而ＡＳ１５１６９与ＡＳ１７４８８是互为对等体关系，ＡＳ邋１０００逡逑是ＡＳ邋９４９８的供应商，为其提供基本的流量转发服务。在路由泄漏事件发生前，逡逑ＡＳ１０００有经过ＡＳ邋ｗ，邋Ａｓ邋ｖ到达ｇｏｏｇｌｅ拥有的ＡＳ邋１５１６９的可达通路。这起路逡逑由泄漏事件的起因是：与ＧｏｏｇｌｅＡＳ１５１６９有对等体关系的ＨａｔｈｗａｙＡＳ１７４８８，逡逑将由Ｇｏｏｇｌｅ发起的路由信息违反转发策略泄露给ＨａｔｈｗａｙＡＳ１７４８８的供应商逡逑ＡｉｒｔｅｌＡＳ９４９８，这违反了邋ｖａｌｌｅｙ＿ｆｒｅｅ策略，造成了路由泄露异常事件。逡逑逦逦逡逑ＡＳ邋ｗ逦ＡＳ邋ｖ逡逑＜邋＞逡逑ＡＳ邋Ｍ９８（Ａｒｉｔｅｒ）逦ＡＳ邋１７４ＳＳ逡逑（Ｈａｔｈｗａｖ）逡逑图３－２路由泄露

【相似文献】

相关期刊论文 前10条

1 蒋焰;丁晓青;;基于多步校正的改进AdaBoost算法[J];清华大学学报(自然科学版)网络.预览;2008年10期

2 李军;闫佳佳;;基于KELM-AdaBoost方法的短期风电功率预测（英文）[J];控制工程;2019年03期

3 王伦;;Adaboost-SVM多因子选股模型[J];经济研究导刊;2019年10期

4 叶晓波;秦海菲;吕永林;;一种改进的Adaboost-BP算法在手写数字识别中的研究[J];大理大学学报;2019年06期

5 王玲娣;徐华;;AdaBoost的多样性分析及改进[J];计算机应用;2018年03期

6 杜瑞超;华继学;翟夕阳;李志鹏;;基于改进Real AdaBoost算法的软件可靠性预测[J];空军工程大学学报(自然科学版);2018年01期

7 王玲娣;徐华;;一种基于聚类和AdaBoost的自适应集成算法[J];吉林大学学报(理学版);2018年04期

8 牛清宁;周志强;刘文超;;基于Adaboost算法的人眼检测技术在路考系统中的应用[J];汽车与安全;2016年04期

9 李新战;;基于改进Adaboost算法的人脸检测方法[J];科技经济导刊;2018年18期

10 程荣标;方向尧;曾思伟;姜大志;;基于Adaboost和回归树集合技术的疲劳识别研究[J];汕头大学学报(自然科学版);2017年02期

相关会议论文 前10条

1 蔡念;金丰;阮恭勤;潘晴;许少秋;;基于AdaBoost算法的图像复原方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

2 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

3 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年计算机应用与系统建模国际会议论文集[C];2012年

4 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

5 陈宏伟;刘建伟;费向东;;一种半监督环境下的Adaboost算法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

6 唐晓丹;苗振江;;基于AdaBoost和粒子滤波的目标跟踪[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 于淼;李乃民;王宽全;贾丹兵;闫子飞;;基于AdaBoost的中医舌诊分类算法研究[A];第二次全国中西医结合诊断学术研讨会论文集[C];2008年

8 李晶;陈媛媛;;基于AdaBoost的车牌字符识别模型研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

9 张超;苗振江;;基于AdaBoost的面部信息感知[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

10 郭翌;汪源源;;基于Adaboost算法的颈动脉粥样硬化判别方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年

相关重要报纸文章 前1条

1 张阳;5G时代，AI能走多远？[N];人民邮电;2019年

相关博士学位论文 前10条

1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年

2 Ebenezer Owusu;[D];江苏大学;2014年

3 习文星;移动背景下视觉的行人检测、识别与跟踪技术研究[D];中国科学院研究生院(上海技术物理研究所);2015年

4 卢金娜;基于优化算法的径向基神经网络模型的改进及应用[D];中北大学;2015年

5 卢岩;交通监控中的运动人体目标检测与跟踪[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2011年

6 王小明;可变光照下人脸检测与识别研究[D];华东师范大学;2010年

7 孙元;多媒体语义检索关键问题研究[D];吉林大学;2010年

8 王颖;成熟microRNA识别及其功能预测方法研究[D];哈尔滨工程大学;2016年

9 吴暾华;面向中医面诊诊断信息提取的若干关键技术研究[D];厦门大学;2008年

10 高常鑫;基于上下文的目标检测与识别方法研究[D];华中科技大学;2010年

相关硕士学位论文 前10条

1 成李英;基于AdaBoost算法的路由泄漏检测技术研究与实现[D];北京邮电大学;2019年

2 岳莹;基于SVM的人脸检测与识别研究[D];河北科技大学;2019年

3 闫蓉蓉;面向工业现场的安全帽检测算法研究[D];西安理工大学;2019年

4 苏倩;基于人脸识别的类门禁系统[D];西安理工大学;2014年

5 刘伟涛;基于旋转及改进AdaBoost的单类支持向量机集成[D];河北大学;2019年

6 邵东恒;改进k-means和Adaboost实现标签分布学习[D];闽南师范大学;2019年

7 刘俊杰;商品图片中的文字检测与识别系统设计[D];华中师范大学;2017年

8 曾雷;基于改进的LLE与Adaboost算法的人脸表情识别[D];中国石油大学(华东);2017年

9 刘嘉璐;基于支持向量机集成模型的我国混合型开放式基金投资价值分析[D];厦门大学;2018年

10 费凯;基于Adaboost算法的多分类器模型的研究及其在降水预测中的应用[D];南京信息工程大学;2018年

本文编号：2822589