SDN中基于KNN的异常流量检测技术研究

发布时间：2023-02-25 17:44

　　随着互联网技术的发展,整个网络环境的数据流量迅速增多,同时也面临着各种各样网络攻击的威胁,严重影响到了用户的安全。软件定义网络作为目前新型的网络架构,为网络流量管理和优化提供了一种新的解决方案,如何实时精确地在软件定义网络环境下,对多样化和复杂化的网络流量进行监控与检测,成为学术界一大研究热点。本文对软件定义网络中基于K近邻算法的异常流量检测技术的原理进行了阐述,在深入分析国内外相关技术的基础上,针对目前存在的问题,提出了一种改进的基于DPTCM-KNN的异常流量检测算法,定义独立度概念,以奇异度和独立度共同作为标准,计算双概率p值判断流量异常状态,在保证算法时间复杂度的前提下,降低了检测过程中的误报率,具有较高的准确度。为了提高异常检测的效率,本文还提出一种优化的特征选择算法FACO,设计特征选择适应度函数,以特征长度和检测性能为标准,优化蚁群路径转移概率,同时还采用二阶段信息素更新规则,对更多的路径进行信息素增值,避免特征选择过程中陷入局部最优化,通过实验表明该改进的特征选择算法能够有效排除冗余特征,筛选出最优特征子集,提高异常检测机制的性能。本文设计软件定义网络下的异常流量检测架...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
专用术语注释表
第一章 绪论
    1.1 课题背景及意义
    1.2 课题来源及本文组织
第二章 相关技术研究
    2.1 基础技术
        2.1.1 SDN及OpenFlow技术
        2.1.2 异常流量检测技术
    2.2 国内外研究现状
        2.2.1 基于KNN的异常检测技术
        2.2.2 特征选择技术
        2.2.3 SDN中的异常检测技术
    2.3 分析与总结
    2.4 本章小结
第三章 基于DPTCM-KNN的异常检测算法
    3.1 TCM-KNN算法
    3.2 DPTCM-KNN相关定义
    3.3 DPTCM-KNN算法设计
    3.4 仿真实验
        3.4.1 环境参数
        3.4.2 实验分析
    3.5 本章小结
第四章 基于FACO的特征选择算法
    4.1 蚁群优化算法
    4.2 FACO算法设计
    4.3 仿真实验
        4.3.1 环境参数
        4.3.2 实验分析
    4.4 本章小结
第五章 原型系统实现
    5.1 SDN中的异常流量检测架构
        5.1.1 架构设计
        5.1.2 异常处理流程
    5.2 系统实现
        5.2.1 系统环境
        5.2.2 SDN网络构建
        5.2.3 结果分析
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢



本文编号：3748903