云平台中的虚拟机异常检测技术研究与应用
发布时间：2021-08-15 08:03
当今,云计算在全球IT企业中被广泛研究和应用,各行各业的发展都越来越离不开云计算。云计算中最关键的突破是资源使用方式的改变,通过虚拟化的方式,可以快速的虚拟出一个独立的、随需配置的虚拟机供用户使用。实时的对虚拟机进行性能监控,准确的对虚拟机进行状态检测,以使在虚拟机出现重大故障之前做到预防和处理,这是目前急需研究的重要问题。为了解决这个关键问题,本文提出了基于运行环境的检测域划分的异常检测策略和Canopy-Kmeans异常检测算法,并设计了云平台中的虚拟机异常检测系统框架。本文的主要研究工作和创新点如下:（1）对云平台的基础架构,特别是面向基础设施的云平台进行深入研究。同时针对当前云平台自身的各种特点,设计了一种基于虚拟机运行环境属性的检测域划分策略,并以此提出了云平台中的虚拟机异常检测框架。对云平台的稳定运行提供了可靠保证。（2）深入研究开源云平台OpenStack的系统结构,并采用其搭建云平台实验环境。以OpenStack作为主要云平台研究对象,根据其特点提出了虚拟机运行状态信息指标体系,分为虚拟机运行环境指标和虚拟机性能指标两类。同时以OpenStack的libvirt虚拟化库...
【文章来源】：成都信息工程大学四川省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
CPU 异常注入指标采样曲线图
所用时间(s) 0.012 0.015 0.024检出率 0.40 0.90 1.00误报率 0 0 0.03实验二，通过注入内存异常测试使用 Canopy-Kmeans 算法和单独使用 K-means 算法两者的误报率和检出率。随机选择 2 台虚拟机，在其中执行内存异常注入程序。具体异常注入情况如图 5-3 所示。
检出率 0.375 0.875 1.00误报率 0 0.01 0.03实验三，通过注入磁盘 IO 异常测试使用 Canopy-Kmeans 算法和单独使用 K-means 算法两者的检出率和误报率。随机选择 2 台虚拟机，在其中执行磁盘 IO异常注入程序。具体异常注入情况如图 5-4 所示。
【参考文献】：
期刊论文
[1]Hyper-V服务器虚拟化技术探究[J]. 陈景亮,张金石,陈晨. 青岛科技大学学报(自然科学版). 2017(S1)
[2]OpenStack认证后端的安全性研究与改进[J]. 田晓丽,袁征,张宁. 北京电子科技学院学报. 2016(04)
[3]KVM虚拟化动态迁移技术的安全防护模型[J]. 范伟,孔斌,张珠君,王婷婷,张杰,黄伟庆. 软件学报. 2016(06)
[4]适用于低成本物联网终端的消息通讯协议比较研究[J]. 孔祥龙,王燕. 无线互联科技. 2015(16)
[5]OpenStack all-in-one云平台的搭建[J]. 邓荣,黄菊. 数字技术与应用. 2014(10)
[6]云计算体系架构与关键技术[J]. 黄晓雯. 中国新通信. 2014(13)
[7]云计算:体系架构与关键技术[J]. 罗军舟,金嘉晖,宋爱波,东方. 通信学报. 2011(07)
[8]基于KVM的虚拟化研究及应用[J]. 崔泽永,赵会群. 计算机技术与发展. 2011(06)
[9]云计算技术简述[J]. 戴元顺. 信息通信技术. 2010(02)
[10]计算机虚拟化技术的分析与应用[J]. 程伍端. 计算机与数字工程. 2008(11)
博士论文
[1]云环境下面向可信的虚拟机异常检测关键技术研究[D]. 王桂平.重庆大学 2015
[2]云平台下运行环境感知的虚拟机异常检测策略及算法研究[D]. 周真.重庆大学 2015
[3]面向云平台的虚拟机异常行为检测方法研究[D]. 林铭炜.重庆大学 2014
硕士论文
[1]虚拟计算环境下节点异常检测方法研究[D]. 许福.南京理工大学 2017
[2]云计算背景下的融资租赁平台业务创新研究[D]. 丁南.安徽财经大学 2016
[3]云环境下基于多属性信息熵的虚拟机异常检测[D]. 张雨.大连理工大学 2015
[4]基于孪生支持向量机的入侵检测及应用研究[D]. 李慧芳.太原理工大学 2015
[5]基于应用容器的云资源调度研究与实现[D]. 梁俊杰.电子科技大学 2015
[6]共享CPU的虚拟机I/O性能优化研究[D]. 刘飞腾.西安电子科技大学 2014
[7]基于分布式平台Spark和YARN的数据挖掘算法的并行化研究[D]. 梁彦.中山大学 2014
[8]K-means聚类方法的改进及其应用[D]. 李荟娆.东北农业大学 2014
[9]面向IaaS的虚拟机异常检测系统研究[D]. 任涛.重庆大学 2014
[10]云环境下面向大数据的模糊C均值算法研究与实现[D]. 余长俊.武汉理工大学 2014
本文编号：3344152
【文章来源】：成都信息工程大学四川省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
CPU 异常注入指标采样曲线图
所用时间(s) 0.012 0.015 0.024检出率 0.40 0.90 1.00误报率 0 0 0.03实验二，通过注入内存异常测试使用 Canopy-Kmeans 算法和单独使用 K-means 算法两者的误报率和检出率。随机选择 2 台虚拟机，在其中执行内存异常注入程序。具体异常注入情况如图 5-3 所示。
检出率 0.375 0.875 1.00误报率 0 0.01 0.03实验三，通过注入磁盘 IO 异常测试使用 Canopy-Kmeans 算法和单独使用 K-means 算法两者的检出率和误报率。随机选择 2 台虚拟机，在其中执行磁盘 IO异常注入程序。具体异常注入情况如图 5-4 所示。
【参考文献】：
期刊论文
[1]Hyper-V服务器虚拟化技术探究[J]. 陈景亮,张金石,陈晨. 青岛科技大学学报(自然科学版). 2017(S1)
[2]OpenStack认证后端的安全性研究与改进[J]. 田晓丽,袁征,张宁. 北京电子科技学院学报. 2016(04)
[3]KVM虚拟化动态迁移技术的安全防护模型[J]. 范伟,孔斌,张珠君,王婷婷,张杰,黄伟庆. 软件学报. 2016(06)
[4]适用于低成本物联网终端的消息通讯协议比较研究[J]. 孔祥龙,王燕. 无线互联科技. 2015(16)
[5]OpenStack all-in-one云平台的搭建[J]. 邓荣,黄菊. 数字技术与应用. 2014(10)
[6]云计算体系架构与关键技术[J]. 黄晓雯. 中国新通信. 2014(13)
[7]云计算:体系架构与关键技术[J]. 罗军舟,金嘉晖,宋爱波,东方. 通信学报. 2011(07)
[8]基于KVM的虚拟化研究及应用[J]. 崔泽永,赵会群. 计算机技术与发展. 2011(06)
[9]云计算技术简述[J]. 戴元顺. 信息通信技术. 2010(02)
[10]计算机虚拟化技术的分析与应用[J]. 程伍端. 计算机与数字工程. 2008(11)
博士论文
[1]云环境下面向可信的虚拟机异常检测关键技术研究[D]. 王桂平.重庆大学 2015
[2]云平台下运行环境感知的虚拟机异常检测策略及算法研究[D]. 周真.重庆大学 2015
[3]面向云平台的虚拟机异常行为检测方法研究[D]. 林铭炜.重庆大学 2014
硕士论文
[1]虚拟计算环境下节点异常检测方法研究[D]. 许福.南京理工大学 2017
[2]云计算背景下的融资租赁平台业务创新研究[D]. 丁南.安徽财经大学 2016
[3]云环境下基于多属性信息熵的虚拟机异常检测[D]. 张雨.大连理工大学 2015
[4]基于孪生支持向量机的入侵检测及应用研究[D]. 李慧芳.太原理工大学 2015
[5]基于应用容器的云资源调度研究与实现[D]. 梁俊杰.电子科技大学 2015
[6]共享CPU的虚拟机I/O性能优化研究[D]. 刘飞腾.西安电子科技大学 2014
[7]基于分布式平台Spark和YARN的数据挖掘算法的并行化研究[D]. 梁彦.中山大学 2014
[8]K-means聚类方法的改进及其应用[D]. 李荟娆.东北农业大学 2014
[9]面向IaaS的虚拟机异常检测系统研究[D]. 任涛.重庆大学 2014
[10]云环境下面向大数据的模糊C均值算法研究与实现[D]. 余长俊.武汉理工大学 2014
本文编号：3344152
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/3344152.html
