基于主成分分析和草图的网络异常流量检测研究

发布时间：2021-07-10 06:01

　　随着网络技术的高速发展,互联网在日常生活中扮演着越来越重要的角色。然而,各种网络攻击活动也随之产生,对我们的网络信息安全造成了巨大的威胁。基于网民对网络安全性能要求的提高,大量研究人员致力于网络安全技术的研究。网络异常流量检测方法作为一种可靠的网络安全技术,有益于网络优化、预测等多种应用,能够在很大程度上保障网民的财产安全以及国家的信息安全。本文对国内外基于网络流量异常检测研究的现状做了深入分析,对当前发展较为成熟的网络流量模型和异常检测方法进行对比,总结出现有的网络流量异常检测方法的类别及其优缺点,提出了一种结合草图数据结构和改进MSPCA算法的异常检测方法。围绕其中关键模块取得以下几个方面的研究成果:（1）本文针对传统多尺度主成分分析算法时间复杂度高和参数设置困难的问题,提出了基于改进MSPCA算法的网络流量异常检测方法。改进MSPCA算法通过设置能量贡献效率的阈值来控制主成分分析时滤波器的尺度;之后,采用贝叶斯PCA代替传统主成分分析来对小波系数矩阵进行滤波。因此,该方法可以用较为简单的参数设置和较低的时间复杂度来分离网络数据,使其对于异常检测具有更高的实用性。最后,实验结果表明... 

【文章来源】：天津理工大学天津市

【文章页数】：49 页

【学位级别】：硕士

【部分图文】：

DDoS攻击示意图

第二章 相关理论及关键技术值，然后根据公式 2-10，确定 m 的值，使得信值λj(j=1,2,…,m),求得其单位特征向量αj。分向量维度。根据公式 2-10 计算的比率结果，原始数据的信息量就越多。分向量维度之后，将原始数据投影到各个新的分析主要步骤可以总结如图 2-2：0.851m1 pijij

现相当于高频滤波器。2.4.3 小波去燥一般来说信号中都是带有信号的，特别是信号的采集过程中，在接收端除标信号外还会引入噪声。常见的噪声包括高斯白噪声，通常我们在处理噪声时假设为高斯白噪声。因此在信号做进一步处理之前需要将有效的信号提取出来噪声的有滤波器，模拟滤波器和数字滤波器。除了滤波器还有傅立叶变换，但变换去噪不能将有用信号的高频部分和由噪声引起的高频干扰加以区分。这种是需要信号高频信息的时候就无能无力了，在去除高频噪声的同时需要保留信分。小波变换去噪可以很好的保护有用的信号尖峰和突变信号[35]。如图 2-3 所变换适合用于暂态信号和瞬态信号的噪声去除方面，以及抑制高频噪声的干扰高频信息和高频噪声区分开来。小波变换具有良好的时频局部化特性，保留主控制的小波系数，发现并去掉由噪声控制的小波系数。剩下的小波系数做逆变躁信号。

【参考文献】：
期刊论文
[1]计算机网络安全问题及其防范措施[J]. 李军军.  网络安全技术与应用. 2018(11)
[2]改进的马尔科夫模型的异常节点检测算法[J]. 黄小龙,蔡艳,屈迟文.  计算机工程与设计. 2018(06)
[3]网络地址变换对不同扫描攻击的防御优势分析[J]. 王凯,陈欣华,陈熹,武泽慧.  电子与信息学报. 2018(04)
[4]多态蠕虫病毒差异性传播过程中特征的分析[J]. 张俊林.  科技通报. 2016(12)
[5]基于改进K均值聚类的异常检测算法[J]. 左进,陈泽茂.  计算机科学. 2016(08)
[6]噪声环境下的网络异常信号检测方法研究[J]. 冯国杰.  计算机仿真. 2016(08)
[7]基于数据挖掘技术的网络入侵检测技术研究[J]. 周立军,张杰,吕海燕.  现代电子技术. 2016(06)
[8]基于GA改进BP神经网络网络异常检测方法[J]. 崔宝才.  现代电子技术. 2016(03)
[9]基于统计学习的网络异常行为检测技术[J]. 周涛.  大数据. 2015(04)
[10]数据挖掘中聚类分析的应用分析[J]. 张军.  网络安全技术与应用. 2014(12)

硕士论文
[1]网络流量异常检测技术研究与实现[D]. 卜国卿.电子科技大学 2018



本文编号：3275335