网络异常流量分析的相关技术研究与应用

摘要

随着 Internet网络规模迅速发展，网络所包含的业务种类也越来越丰富，大大的方便了人们的日常生活。但同时网络攻击的行为越来越多，产生的异常流量的概率也越来越大，严重的影响了网络的服务质量和可靠性。网络异常流量分析的相关技术是网络异常流量检测研究的关键问题。网络异常流量检测能够及时的发现和阻止异常流量的发生，对提高网络的服务质量具有重大的意义。
　　本文主要对网络异常流量分析的相关技术进行了探索和研究。
　　1、分析了常见的流量采集技术 SNMP和NetFlow的原理，归纳总结了采用这两种技术的优缺点。这两种流量采集技术为异常流量分析提供了信息来源。
　　2、提出了基于阀值的异常流量检测技术的改进方法：基于阀值的异常流量定位技术弥补了传统阀值技术只能发现网络流量存在异常，但不能定位找出造成网络流量异常主机的缺陷。
　　3、研究了目前网络中造成异常流量的行为特征，并提出了一些对策。通过数学公式的推导分析了基于熵的异常流量检测原理,推导出判断网络是否出现异常的判别公式。
　　4、提出了对流量进行预测的预测模型，通过实验证实了多元线性回归参数的最小二乘估计 RLS能够对平稳化流量序列进行预测，并对近期流量值的预测能取得较好效果。

目录

封面

目录

中文摘要

英文摘要

第一章 绪论

1.1 研究背景

1.2 网络异常流量分析过程

1.3 国内外研究现状

1.4 本文的主要工作

1.5 本文的结构

第二章 常见网络流量采集技术

2.1 基于 SNMP 采集模式

2.2 基于 NetFlow 的采集技术

2.3 本章小结

第三章 基于阀值的网络异常流量检测技术的改进

3.1 固定阀值检测方法

3.2 自适应阀值检测方法

3.3 基于阀值的异常流量的缺陷及改进方法

3.4 本章小结

第四章 基于熵的网络异常流量检测技术分析

4.1 蠕虫病毒分析

4.2 P2P 应用分析

4.3 ARP 病毒分析

4.4 信息熵的概念

4.5 算法分析

4.6 实验分析

4.7 本章小结

第五章 网络异常流量的预测

5.1 网络流量平稳化方法介绍

5.2 多元线性回归参数的最小二乘估计

5.3 网络流量平稳化后利用 RLS 的流量预测模型

5.4 实现的核心代码

5.5 常规预测模型 RLS 仿真实验

5.6 网络流量是否异常判断

5.7 本章小节

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献