面向云计算的异常检测技术的研究与实现

发布时间：2021-01-28 13:04

　　云计算在可靠性问题上面临着巨大的挑战。随着越来越多的个人和企业将信息放在云上，如何提高云计算的可靠性成为一个研究热点。而云计算平台上丰富的信息和资源也是各种入侵者的热点目标。云计算体系的每一层结构都面临着各种危险，可能是由用户的错误操作或外部的恶意入侵造成的。与传统的计算环境相比，云计算具有虚拟化、分布式、动态行为和非常大的数据规模等特点，这也导致了传统的异常检测算法不适用于云计算环境。本文基于局部异常因子（LOF）算法设计了自适应的在线实时异常检测机制。LOF算法根据局部密度为每个测试数据计算异常分数，异常分数说明了该测试数据的异常程度。该异常检测机制工作于半监督模式下，也适用于非监督模式，允许训练数据中存在少量异常。同时，该机制可以自动根据最近的系统行为特征改变自身的正常行为模型。这是一种数据驱动的、适用范围广、通用性好的在线实时异常检测机制。为了评估异常检测的效率，我们搭建了模拟云计算环境的平台，在不同的虚拟机上运行几种常见背景应用，并注入几种典型异常来模拟异常入侵。使用sysstat工具采集纯背景应用下的系统状态作为训练数据建立正常行为的模型，在注入异常阶段，每分钟采集一次系统... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 问题的提出
    1.2 国内外研究现状
        1.2.1 云计算的研究现状
        1.2.2 云计算故障诊断的研究现状
        1.2.3 追溯保障技术的研究现状
    1.3 论文的主要内容与章节安排
第二章 现有异常检测算法
    2.1 异常检测问题简介
    2.2 异常检测问题的组成部分
        2.2.1 输入数据的性质
        2.2.2 异常的类型
        2.2.3 数据标签
        2.2.4 异常检测的输出
    2.3 基于分类的异常检测技术
        2.3.1 基于神经网络
        2.3.2 基于贝叶斯网络
        2.3.3 基于支持向量机
        2.3.4 基于规则
        2.3.5 算法性能分析
    2.4 基于最近邻的异常检测技术
        2.4.1 基于第 k 个最近邻的距离
        2.4.2 基于相对密度
        2.4.3 算法性能分析
    2.5 基于聚类的异常检测技术
        2.5.1 聚类的定义
        2.5.2 聚类与最近邻的区别
        2.5.3 算法性能分析
    2.6 基于统计的异常检测技术
        2.6.1 参数方法
        2.6.2 非参数方法
        2.6.3 算法性能分析
    2.7 基于频谱的异常检测技术
        2.7.1 主成分分析
        2.7.2 算法性能分析
    2.8 上下文异常检测
    2.9 本章小结
第三章 基于 LOF 的异常检测机制设计
    3.1 Local Outlier Factor （LOF）
        3.1.1 计算 p 的 k-距离（k-distance）
        3.1.2 计算 p 的 k-距离邻居集合
        3.1.3 计算对象 p 的相对于对象 o 的可到达距离
        3.1.4 计算对象 p 的局部可达到密度
        3.1.5 计算对象 p 的 LOF
    3.2 最近邻查询
        3.2.1 最近邻的度量标准
        3.2.2 检索中的排序
        3.2.3 检索时删除冗余的方法
        3.2.4 k 最近邻检索算法
    3.3 数据结构 R-Tree
        3.3.1 搜索
        3.3.2 插入
        3.3.3 分拆
        3.3.4 删除
    3.4 异常检测系统
        3.4.1 训练阶段
        3.4.2 实时测试阶段
    3.5 LOF 算法性能分析
    3.6 本章小结
第四章 适时自适应异常检测系统的实现与评测
    4.1 试验程序编写与测试
    4.2 环境搭建
        4.2.1 平台搭建
        4.2.2 背景应用
        4.2.3 故障注入
        4.2.4 原始数据采集
        4.2.5 原始数据分析
    4.3 结果与分析
        4.3.1 检测指标
        4.3.2 应用于 SLG2 服务器的效率
        4.3.3 应用于 SLT1 服务器的效率
        4.3.4 应用于 SLG1 服务器的效率
        4.3.5 应用于 WEB 服务器的效率
        4.3.6 效率评估
    4.4 本章小结
第五章 结束语
    5.1 主要工作与创新点
    5.2 后续研究工作
参考文献
致谢
攻读硕士学位期间已发表或录用的论文


【参考文献】：
期刊论文
[1]基于神经网络的关联规则在故障诊断中的应用[J]. 刘晶,季海鹏.  工业工程. 2011(02)
[2]基于时序模式挖掘的故障诊断方法[J]. 胡瑞飞,王玲,梅筱琴,罗阳.  计算机集成制造系统. 2010(07)
[3]云计算技术简述[J]. 戴元顺.  信息通信技术. 2010(02)
[4]云计算研究进展综述[J]. 张建勋,古志民,郑超.  计算机应用研究. 2010(02)
[5]云计算:系统实例与研究现状[J]. 陈康,郑纬民.  软件学报. 2009(05)
[6]异常检测技术的研究与发展[J]. 阎巧,谢维信.  西安电子科技大学学报. 2002(01)



本文编号：3005042