基于小波分析的網絡異常檢測系統(tǒng).pdf

1、本文從宏觀角度來考察大規(guī)模網絡的流量，以一定的采樣率將包匯聚成流，再將其以字節(jié)大小、流數或包數為單位對應到離散的時間軸上，它本質上屬于非平穩(wěn)的時間序列，具有周期性、趨勢性、隨機性、季節(jié)波動等特性。隨著網絡應用的豐富和網絡用戶的增多，安全問題也日益重要，而基于宏觀流量的網絡異常檢測也成為研究重點。本文充分研究了各種現有的非平穩(wěn)網絡流量的模型以及各種實用的異常檢測的方法，并對其適用層次和優(yōu)缺點進行了總結。在此基礎上提出將傳統(tǒng)的基于統(tǒng)計的異常

2、處理和信號處理的方法進行結合，將流量看成信號，并使用統(tǒng)計和信號處理的方法，如小波分析、量圖分析等，來進行異常的定位和檢測。同時本文還對網絡中的常見異常進行了分類，并對其在數學和信號上的表現形式作了分析，以便可以利用檢測的結果來歸類異常。 本文主要從定性和定量的角度來考慮異常的檢測，其中定性分析側重于從網絡流量的建模出發(fā)，利用描述模型奇異特性的幾種參數，如反映正則性的李氏(Lipschitz)指數，反映自相似度的Hurst指數以及

3、對應不同李氏指數的分形維數，試圖從這些參數的變化軌跡中找出與異常出現的對應關系，進而來檢測出異常；而定量分析則側重于對奇異現象的量化，不需要人為的判斷，通過一系列的統(tǒng)計分析、信號分析最終將異常突顯，這方面主要包括能量比分布分析、小波多層分解、偏差值等方法，最終建立了自動在線實時異常檢測系統(tǒng)。 影響網絡的因素太多太復雜，甚至還涉及到網絡用戶的行為波動，因此不可能只通過某一種方法或某一種手段就達到異常的完美檢測。本文從不同的角度不同