面向IaaS的虚拟机异常检测系统研究

发布时间：2017-05-18 00:10

  本文关键词：面向IaaS的虚拟机异常检测系统研究，由笔耕文化传播整理发布。

【摘要】：基础设施即服务（Infrastructure as a Service，IaaS）是云计算的一种服务模式，它将计算机硬件抽象成虚拟资源池，并为用户提供按需获取、弹性可伸缩的服务。随着云计算的发展，大量的应用和用户数据都部署在云端，云计算的可靠性面临着巨大的挑战。研究发现，系统故障出现的根本原因是由于缺少异常检测机制和容错手段。然而，云计算本身具有大规模、分布式、虚拟化和高动态性等特点，从而导致传统的异常检测技术不能适应云计算环境。 本文针对云环境下的虚拟机，设计了一套通过采集虚拟机性能指标，采用基于主成分分析和贝叶斯决策的异常检测方法，实现对虚拟机的异常检测。针对虚拟机性能指标的特点，提取其主要特征，在半监督模式下建立起虚拟机的正常轮廓，并与正常轮廓进行对比。同时，该机制可以根据虚拟机运行状态动态调整虚拟机数据采集策略，并结合多种异常检测策略提出了虚拟机多状态异常检测。 本文完成的主要工作如下： (1)本文深入研究了云计算下IaaS模式的特点，针对虚拟机的资源可用性，提出了虚拟机性能指标体系，用于刻画虚拟机的运行状态，并详细介绍了IaaS下虚拟机性能指标的采集方法。 (2)由于传统的数据采集方法不能动态调整数据采集的频率，无法很好的适应云计算环境的高动态性，本文提出了一种自适应数据采集策略，，根据虚拟机的运行状态，动态选择粗粒度和细粒度两种数据采集方式，在不增加虚拟机性能开销的情况下，提高了异常检测的准确性。 (3)针对传统的异常检测算法不能适应IaaS环境下被检测对象多、采集数据量大、数据维度高等特点，本文提出了基于主成分分析和贝叶斯决策进行异常检测的机制。同时，传统的异常检测方法不能适应云计算环境的高动态性，本文还提出了虚拟机多状态异常检测机制，结合了基于时间点和时间窗口的异常检测策略，降低了异常检测的误报率。 (4)基于以上研究工作，设计并实现了面向IaaS的虚拟机异常检测系统。并利用开源技术搭建了OpenStack云计算平台，通过异常注入的方式，根据异常的误报率和漏报率等指标评估了本文的虚拟机异常检测系统。 综上所述，本文针对IaaS下虚拟机异常检测技术进行了全面、深入的研究，通过改进异常检测算法，设计实现了虚拟机异常检测系统，并验证了其有效性。
【关键词】：云计算 虚拟化 异常检测 主成分分析 贝叶斯决策
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP302
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 1 绪论8-13
• 1.1 研究背景8
• 1.2 研究意义8-9
• 1.3 国内外研究现状9-11
• 1.4 主要内容及章节安排11-13
• 2 相关技术概述13-23
• 2.1 云计算技术13-17
• 2.1.1 云计算概述13-14
• 2.1.2 虚拟机监控器14-16
• 2.1.3 虚拟化技术16-17
• 2.2 异常检测技术17-22
• 2.2.1 输入数据的性质17-18
• 2.2.2 异常类型18-20
• 2.2.3 数据标签20-21
• 2.2.4 异常检测的输出21
• 2.2.5 异常检测方法21-22
• 2.3 本章小结22-23
• 3 虚拟机异常检测系统总体设计23-29
• 3.1 云计算环境下异常检测面临的问题23-24
• 3.2 云数据中心结构概述24-25
• 3.3 虚拟机异常检测系统结构设计25-28
• 3.4 本章小结28-29
• 4 虚拟机异常检测系统关键技术设计与实现29-47
• 4.1 虚拟机性能指标采集29-36
• 4.1.1 虚拟机性能指标体系29-33
• 4.1.2 虚拟机性能指标采集方法33-35
• 4.1.3 自适应虚拟机性能指标采集策略35-36
• 4.2 虚拟机性能指标数据的传输和存储36-38
• 4.2.1 数据传输36-38
• 4.2.2 数据存储38
• 4.3 虚拟机异常分析38-45
• 4.3.1 特征提取39-40
• 4.3.2 主成分分析40-41
• 4.3.3 贝叶斯决策41-44
• 4.3.4 多状态异常检测机制44-45
• 4.4 本章小结45-47
• 5 系统测试与分析47-55
• 5.1 系统实验验证环境及测试方法47-49
• 5.1.1 应用环境48
• 5.1.2 异常注入48-49
• 5.1.3 数据采集49
• 5.2 结果分析49-54
• 5.2.1 性能指标分析49-52
• 5.2.2 检测结果分析52-54
• 5.3 本章小结54-55
• 6 总结与展望55-57
• 6.1 研究总结55-56
• 6.2 未来展望56-57
• 致谢57-58
• 参考文献58-61
• 附录61
• A. 作者在攻读学位期间发表的论文目录61
• B. 作者在攻读学位期间参加的科研项目61

【参考文献】

中国期刊全文数据库 前10条

1 罗敏,王丽娜,张焕国;基于无监督聚类的入侵检测方法[J];电子学报;2003年11期

2 向大为;麦永浩;;“熊猫烧香”案件的分析鉴定[J];警察技术;2009年01期

3 陆声链,林士敏;基于距离的孤立点检测研究[J];计算机工程与应用;2004年33期

4 谭小彬,王卫平,奚宏生,殷保群;系统调用序列的Markov模型及其在异常检测中的应用[J];计算机工程;2002年12期

5 韦勇;连一峰;;基于日志审计与性能修正算法的网络安全态势评估模型[J];计算机学报;2009年04期

6 张焕国;陈璐;张立强;;可信网络连接研究[J];计算机学报;2010年04期

7 张之勇;郑方伟;佘X;周明天;;Windows NT文件系统实时监控的实现[J];计算机应用;2007年S1期

8 钱琼芬;李春林;张小庆;李腊元;;云数据中心虚拟资源管理研究综述[J];计算机应用研究;2012年07期

9 黄添强;秦小麟;叶飞跃;;基于方形邻域的离群点查找新方法[J];控制与决策;2006年05期

10 倪巍伟;陈耿;吴英杰;孙志挥;;一种基于局部密度的分布式聚类挖掘算法[J];软件学报;2008年09期

  本文关键词：面向IaaS的虚拟机异常检测系统研究，由笔耕文化传播整理发布。

本文编号：374779