基于大数据分析的网络安全审计技术的研究
发布时间：2021-03-07 19:07
如今互联网得到大面积的普及,给人们生活带来巨大便利的同时,各种网络攻击严重威胁网络基础设施、企业服务和个人主机的安全。所有网络攻击中,DDoS攻击以破坏性大、隐蔽性强的特点,成为最具破坏力的网络攻击之一。为有效检测DDoS攻击,本文对大数据处理技术应用于网络安全审计展开研究,主要工作与创新点如下:（1）分析DDoS攻击的关键技术、传统网络安全审计系统的系统架构设计,认为传统的网络安全审计系统存在计算能力有限、通过日志分析的方式不能实时检测DDoS攻击的问题,因此提出将大数据流处理框架与传统网络安全审计技术相结合的方式来检测DDoS攻击,论文设计了基于Spark Streaming框架的DDoS攻击检测系统。系统具备处理海量网络数据的能力,能够实时检测DDoS攻击,其中基于Spark Streaming流计算的TCP会话管理模块创新性地将流处理框架与TCP重组算法结合,从TCP会话维度描述网络流量,为检测DDoS攻击提供一种新的视角。（2）传统DDoS攻击检测方法存在检测闽值难以设定、识别攻击主机困难的问题,文中提出了基于滑动平均算法与逻辑回归二分类算法相结合的DDoS攻击检测算法解决上...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
图I-1CNNIC中国网民规模增长情况和互联网普及情况
生的网络攻击统计，基本上网络入侵的频率保持在每２０秒一次，由此导致的全??球每年网络经济损失达到数千亿美元，对计算机用户、国家造成重大的安全隐患??和财产威胁。如图１－２所示，２０１６年对于互联网金融行业是很痛苦的一年［２］，占??据遭受黑客攻击行业第一名。因为互联网金融行业涉及的资金数量巨大，保存大??量至关重要的用户隐私，且行业近几年处于高速发展阶段，平台的安全建设还有??待完善，被黑客瞄准作为主要攻击目标不难理解。在这一年内，整个金融服务行??业总共遭遇大大小小的网络攻击数量达到４４００万次，由此遭受的经济财产损失??不可估量。??：．，Ｊ?，，，，???ＩＩ?＃?？?？?？?？???互联网?电商?网游?政府?教育?其他??金融?科研??图１－２最易遭受攻击的行业排名??对于金融机构实施网络攻击中最频繁、最具破坏性的前几名是［３］：??？?Ｍａｌｗａｒｅ?＆?Ｂｏｔｓ（Ｗｏｒｍｓ，?Ｖｉｒｕｓｅｓ，?Ｓｐａｍ）：恶意软件??？?Ｄｉｓｔｒｉｂｕｔｅｄ?Ｄｅｎｉａｌ?ｏｆ?Ｓｅｒｖｉｃｅ（ＤＤｏＳ）：分布式拒绝服务攻击??？?Ｗｅｂ?Ａｐｐｌｉｃａｔｉｏｎ?Ａｔｔａｃｋｓ（ＳｑＬｉ
生的网络攻击统计，基本上网络入侵的频率保持在每２０秒一次，由此导致的全??球每年网络经济损失达到数千亿美元，对计算机用户、国家造成重大的安全隐患??和财产威胁。如图１－２所示，２０１６年对于互联网金融行业是很痛苦的一年［２］，占??据遭受黑客攻击行业第一名。因为互联网金融行业涉及的资金数量巨大，保存大??量至关重要的用户隐私，且行业近几年处于高速发展阶段，平台的安全建设还有??待完善，被黑客瞄准作为主要攻击目标不难理解。在这一年内，整个金融服务行??业总共遭遇大大小小的网络攻击数量达到４４００万次，由此遭受的经济财产损失??不可估量。??：．，Ｊ?，，，，???ＩＩ?＃?？?？?？?？???互联网?电商?网游?政府?教育?其他??金融?科研??图１－２最易遭受攻击的行业排名??对于金融机构实施网络攻击中最频繁、最具破坏性的前几名是［３］：??？?Ｍａｌｗａｒｅ?＆?Ｂｏｔｓ（Ｗｏｒｍｓ，?Ｖｉｒｕｓｅｓ，?Ｓｐａｍ）：恶意软件??？?Ｄｉｓｔｒｉｂｕｔｅｄ?Ｄｅｎｉａｌ?ｏｆ?Ｓｅｒｖｉｃｅ（ＤＤｏＳ）：分布式拒绝服务攻击??？?Ｗｅｂ?Ａｐｐｌｉｃａｔｉｏｎ?Ａｔｔａｃｋｓ（ＳｑＬｉ
【参考文献】：
期刊论文
[1]基于Spark Streaming的实时数据采集分析系统设计[J]. 党寿江,刘学,王星凯,刘春梅. 网络新媒体技术. 2017(05)
[2]基于Spark的分布式实时推荐系统[J]. 王佳娴,王中杰. 系统仿真技术. 2017(02)
[3]基于Spark Streaming的实时数据分析系统及其应用[J]. 韩德志,陈旭光,雷雨馨,戴永涛,张肖. 计算机应用. 2017(05)
[4]基于Spark Streaming流技术的机动车缉查布控系统设计[J]. 陈丽,王锐. 顺德职业技术学院学报. 2016(04)
[5]高校校园网安全审计系统关键技术研究[J]. 李贤阳. 福建电脑. 2016(10)
[6]大数据下基于Spark的电商实时推荐系统的设计与实现[J]. 岑凯伦,于红岩,杨腾霄. 现代计算机(专业版). 2016(24)
[7]基于流式计算的DDoS实时检测方法[J]. 许承启,何利文,王延松,呼学理,牛小兵. 计算机应用研究. 2017(03)
[8]一种分布式的僵尸网络实时检测算法[J]. 陈连栋,张蕾,曲武,孔明. 计算机科学. 2016(03)
[9]基于ELK和Spark Streaming的日志分析系统设计与实现[J]. 李祥池. 电子科学技术. 2015(06)
[10]使用Spark Streaming的自适应实时DDoS检测和防御技术[J]. 方峰,蔡志平,肇启佳,林加润,朱明. 计算机科学与探索. 2016(05)
博士论文
[1]云环境下DDoS攻防体系及其关键技术研究[D]. 刘孟.南京大学 2016
硕士论文
[1]基于Spark的云化报表系统的设计与实现[D]. 杨宁.南京邮电大学 2016
[2]基于Spark平台的实时流计算推荐系统的研究与实现[D]. 张贤德.江苏大学 2016
[3]基于Spark Streaming的试验数据处理系统的研究与实现[D]. 李天喜.西安电子科技大学 2015
[4]基于海量WEB日志的网络恶意行为分析系统设计与实现[D]. 徐安林.中国科学院大学(工程管理与信息技术学院) 2015
[5]基于Hadoop的微博舆情分析[D]. 李金圻.北京邮电大学 2015
[6]Hadoop DDos攻击检测研究分析[D]. 张乃斌.北京邮电大学 2014
[7]SYNFlood型DDoS攻击检测与防御研究[D]. 李铮.电子科技大学 2007
[8]DoS攻击的研究和主机安全防御系统的设计[D]. 井艳芳.山东科技大学 2004
本文编号：3069646
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
图I-1CNNIC中国网民规模增长情况和互联网普及情况
生的网络攻击统计，基本上网络入侵的频率保持在每２０秒一次，由此导致的全??球每年网络经济损失达到数千亿美元，对计算机用户、国家造成重大的安全隐患??和财产威胁。如图１－２所示，２０１６年对于互联网金融行业是很痛苦的一年［２］，占??据遭受黑客攻击行业第一名。因为互联网金融行业涉及的资金数量巨大，保存大??量至关重要的用户隐私，且行业近几年处于高速发展阶段，平台的安全建设还有??待完善，被黑客瞄准作为主要攻击目标不难理解。在这一年内，整个金融服务行??业总共遭遇大大小小的网络攻击数量达到４４００万次，由此遭受的经济财产损失??不可估量。??：．，Ｊ?，，，，???ＩＩ?＃?？?？?？?？???互联网?电商?网游?政府?教育?其他??金融?科研??图１－２最易遭受攻击的行业排名??对于金融机构实施网络攻击中最频繁、最具破坏性的前几名是［３］：??？?Ｍａｌｗａｒｅ?＆?Ｂｏｔｓ（Ｗｏｒｍｓ，?Ｖｉｒｕｓｅｓ，?Ｓｐａｍ）：恶意软件??？?Ｄｉｓｔｒｉｂｕｔｅｄ?Ｄｅｎｉａｌ?ｏｆ?Ｓｅｒｖｉｃｅ（ＤＤｏＳ）：分布式拒绝服务攻击??？?Ｗｅｂ?Ａｐｐｌｉｃａｔｉｏｎ?Ａｔｔａｃｋｓ（ＳｑＬｉ
生的网络攻击统计，基本上网络入侵的频率保持在每２０秒一次，由此导致的全??球每年网络经济损失达到数千亿美元，对计算机用户、国家造成重大的安全隐患??和财产威胁。如图１－２所示，２０１６年对于互联网金融行业是很痛苦的一年［２］，占??据遭受黑客攻击行业第一名。因为互联网金融行业涉及的资金数量巨大，保存大??量至关重要的用户隐私，且行业近几年处于高速发展阶段，平台的安全建设还有??待完善，被黑客瞄准作为主要攻击目标不难理解。在这一年内，整个金融服务行??业总共遭遇大大小小的网络攻击数量达到４４００万次，由此遭受的经济财产损失??不可估量。??：．，Ｊ?，，，，???ＩＩ?＃?？?？?？?？???互联网?电商?网游?政府?教育?其他??金融?科研??图１－２最易遭受攻击的行业排名??对于金融机构实施网络攻击中最频繁、最具破坏性的前几名是［３］：??？?Ｍａｌｗａｒｅ?＆?Ｂｏｔｓ（Ｗｏｒｍｓ，?Ｖｉｒｕｓｅｓ，?Ｓｐａｍ）：恶意软件??？?Ｄｉｓｔｒｉｂｕｔｅｄ?Ｄｅｎｉａｌ?ｏｆ?Ｓｅｒｖｉｃｅ（ＤＤｏＳ）：分布式拒绝服务攻击??？?Ｗｅｂ?Ａｐｐｌｉｃａｔｉｏｎ?Ａｔｔａｃｋｓ（ＳｑＬｉ
【参考文献】：
期刊论文
[1]基于Spark Streaming的实时数据采集分析系统设计[J]. 党寿江,刘学,王星凯,刘春梅. 网络新媒体技术. 2017(05)
[2]基于Spark的分布式实时推荐系统[J]. 王佳娴,王中杰. 系统仿真技术. 2017(02)
[3]基于Spark Streaming的实时数据分析系统及其应用[J]. 韩德志,陈旭光,雷雨馨,戴永涛,张肖. 计算机应用. 2017(05)
[4]基于Spark Streaming流技术的机动车缉查布控系统设计[J]. 陈丽,王锐. 顺德职业技术学院学报. 2016(04)
[5]高校校园网安全审计系统关键技术研究[J]. 李贤阳. 福建电脑. 2016(10)
[6]大数据下基于Spark的电商实时推荐系统的设计与实现[J]. 岑凯伦,于红岩,杨腾霄. 现代计算机(专业版). 2016(24)
[7]基于流式计算的DDoS实时检测方法[J]. 许承启,何利文,王延松,呼学理,牛小兵. 计算机应用研究. 2017(03)
[8]一种分布式的僵尸网络实时检测算法[J]. 陈连栋,张蕾,曲武,孔明. 计算机科学. 2016(03)
[9]基于ELK和Spark Streaming的日志分析系统设计与实现[J]. 李祥池. 电子科学技术. 2015(06)
[10]使用Spark Streaming的自适应实时DDoS检测和防御技术[J]. 方峰,蔡志平,肇启佳,林加润,朱明. 计算机科学与探索. 2016(05)
博士论文
[1]云环境下DDoS攻防体系及其关键技术研究[D]. 刘孟.南京大学 2016
硕士论文
[1]基于Spark的云化报表系统的设计与实现[D]. 杨宁.南京邮电大学 2016
[2]基于Spark平台的实时流计算推荐系统的研究与实现[D]. 张贤德.江苏大学 2016
[3]基于Spark Streaming的试验数据处理系统的研究与实现[D]. 李天喜.西安电子科技大学 2015
[4]基于海量WEB日志的网络恶意行为分析系统设计与实现[D]. 徐安林.中国科学院大学(工程管理与信息技术学院) 2015
[5]基于Hadoop的微博舆情分析[D]. 李金圻.北京邮电大学 2015
[6]Hadoop DDos攻击检测研究分析[D]. 张乃斌.北京邮电大学 2014
[7]SYNFlood型DDoS攻击检测与防御研究[D]. 李铮.电子科技大学 2007
[8]DoS攻击的研究和主机安全防御系统的设计[D]. 井艳芳.山东科技大学 2004
本文编号：3069646
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3069646.html
