网络化软件异常源点定位及可信性研究

发布时间：2017-09-04 02:08

  本文关键词：网络化软件异常源点定位及可信性研究

  更多相关文章： 复杂网络 网络化软件 异常行为 极大似然原理

【摘要】：自从互联网技术被引入商业应用以来,伴随着计算机和通信技术的飞速发展,互联网已经渗透到人们工作和日常生活的各个角落。网络化软件就是一类以Internet为媒介,拓扑结构和行为可动态演变的密集型混合系统。系统中异常行为的产生和扩散将会给系统安全带来巨大的威胁,因此有必要对系统中的异常行为进行深入研究。本文研究的内容主要有以下两点:(1)提出基于极大似然估计的逆向求源算法用于定位异常传播源点。针对异常行为在系统中的快速传播给系统带来巨大安全隐患的问题,运用RLML算法快速定位异常传播源点。在某一段时间内,网络化软件系统的总体结构并没有发生很大的变化,改变的只是系统的局部结构,结合异常行为传播规律,从当前感染节点出发,逆向搜索还原路径,计算极大似然概率,匹配异常行为最佳传播路径,多条最佳路径的汇点即异常行为传播源点。仿真实验和实例分析证实了该算法的有效性和正确性。(2)从组件级和系统级两个方面考察网络化软件异常行为并提出了一种评估异常行为冲击力度的方法。首先分析异常行为对组件产生的危害,然后考虑组件在系统中的活跃频度,综合这两个方面的因素探讨异常行为给系统带来的冲击力度,认为对网络化软件系统平稳运行冲击力度越大的异常节点其可信性越差。仿真实验和实例分析证明对异常行为可信性进行研究可以为人们评估系统稳定性减小由异常行为带来的损失提供一定帮助。
【关键词】：复杂网络 网络化软件 异常行为 极大似然原理
【学位授予单位】：湖南工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.08
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-16
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-12
• 1.3 研究内容12-13
• 1.4 论文的组织结构13-16
• 第二章 理论基础16-30
• 2.1 复杂适应系统16-21
• 2.1.1 背景知识16-18
• 2.1.2 基本概念18-21
• 2.2 复杂网络21-25
• 2.2.1 背景知识21-22
• 2.2.2 基本概念22-25
• 2.3 网络化软件25-29
• 2.3.1 背景知识25-27
• 2.3.2 基本概念27-29
• 2.4 本章小结29-30
• 第三章 网络化软件异常源点定位30-43
• 3.1 引言30-31
• 3.2 软件故障定位相关技术31-33
• 3.2.1 基于静态分析的故障定位31-32
• 3.2.2 基于测试分析的故障定位32-33
• 3.3 网络化软件异常源点定位33-39
• 3.3.1 SIR模型33-34
• 3.3.2 异常传播模型34-35
• 3.3.3 极大似然原理35
• 3.3.4 RLML算法35-39
• 3.4 实验结果及分析39-42
• 3.5 本章小结42-43
• 第四章 网络化软件异常行为可信性分析43-56
• 4.1 引言43-44
• 4.2 相关研究44-46
• 4.2.1 Hassan模型44-45
• 4.2.2 熵理论模型45
• 4.2.3 Claudiu模型45-46
• 4.3 异常行为可信性分层研究46-52
• 4.3.1 异常传播模型46-47
• 4.3.2 组件级可信性47-49
• 4.3.3 系统级可信性49-52
• 4.4 实验结果及分析52-55
• 4.5 本章小结55-56
• 第五章 总结与展望56-58
• 5.1 论文工作总结56
• 5.2 后续研究展望56-58
• 参考文献58-62
• 攻读学位期间主要的研究成果62-63
• 致谢63

【相似文献】

中国期刊全文数据库 前10条

1 罗超宇;;基于视频序列的人体异常行为检测技术分析[J];电子制作;2013年18期

2 崔永艳;高阳;;基于多示例学习的异常行为检测方法[J];模式识别与人工智能;2011年06期

3 陆海先;郭立;桂树;谢锦生;;基于潜在主题的视频异常行为分析[J];通信技术;2012年07期

4 周维柏;李蓉;;基于轨迹特征分析的行人异常行为识别[J];电脑编程技巧与维护;2010年12期

5 李晓东;凌捷;;基于视频监控参考量的异常行为检测研究[J];计算机技术与发展;2012年09期

6 姬晓飞;吴倩倩;李一波;;改进时空特征的人体异常行为检测方法研究[J];沈阳航空航天大学学报;2013年05期

7 桑海峰;郭昊;徐超;;基于运动特征的人体异常行为识别[J];中国科技论文;2014年07期

8 王传旭;董晨晨;;基于时空特征点的群体异常行为检测算法[J];数据采集与处理;2012年04期

9 沈海燕;冯云梅;史宏;;基于信息融合的客运站人体异常行为识别研究[J];公路交通科技;2009年S1期

10 陈颖鸣;陈树越;张显亭;;智能视频监控中异常行为识别研究[J];微电子学与计算机;2010年11期

中国重要会议论文全文数据库 前1条

1 王碧英;孙健敏;;公仆型领导对员工行为的影响[A];第十二届全国心理学学术大会论文摘要集[C];2009年

中国博士学位论文全文数据库 前5条

1 林娜;小鼠异常行为的遗传基础研究[D];东北农业大学;2006年

2 Popoola Oluwatoyin Pius;拥挤环境下的异常行为检测研究[D];哈尔滨工程大学;2012年

3 张军;基于视频的运动人体异常行为分析识别研究[D];西安电子科技大学;2009年

4 刘皓;基于条件随机场模型的异常行为检测方法研究[D];中国科学技术大学;2014年

5 张毅;MANET环境中基于移动Agent的异常行为检测与防御[D];哈尔滨工程大学;2007年

中国硕士学位论文全文数据库 前10条

1 张雁冰;监控视频中人体异常行为检测研究[D];深圳大学;2015年

2 梁玉;基于ORB兴趣点的异常行为检测技术研究[D];郑州大学;2015年

3 陈岗;治安监控中基于计算机视觉的异常行为检测技术研究[D];上海交通大学;2015年

4 许龙;视频中的异常行为检测与分析研究[D];上海交通大学;2015年

5 姚源;视频中异常行为发现方法研究及实现[D];电子科技大学;2014年

6 王朝新;基于视频的行人异常行为检测技术的应用研究[D];电子科技大学;2014年

7 张海峰;阳煤集团视频异常监控系统设计与实现[D];电子科技大学;2014年

8 张丹;视频监控系统下航站楼旅客异常行为检测方法研究[D];南京航空航天大学;2014年

9 梁琛华;视频监控中的人体异常行为识别[D];国防科学技术大学;2013年

10 朱明凌;面向智能视频监控系统的运动目标检测与异常行为分析[D];中国计量学院;2015年

，

本文编号：788699