基于小波分析的网络流量异常检测与定位方法研究

摘要

随着计算机网络规模和应用领域的日益扩大，由网络攻击或网络入侵等恶意行为导致的网络安全问题也日益突出。网络恶意行为通常会导致网络流量的异常变化，因此，及时准确的检测出网络流量异常并定位异常发生时刻，对于维护网络安全有着重要的意义。
　　 给出了自相似过程的定义及其数学特性，分析了网络流量自相似性的产生原因。
　　 通过对小波系数方差法、留数法、方差时间法、周期图法以及R/S（Rescale adjustedRange Statistics）估值法五种Hurst 参数估值方法的分析比较，表明小波系数方差法求解Hurst 参数具有复杂度较低，精确性和稳定性均较高的优点。
　　 研究了利用小波系数方差法求解网络流量的Hurst 参数并根据Hurst 参数的变化进行网络流量异常检测的方法，解决了方法实现过程中小波基的选择、小波系数的快速提取以及异常判定标准的设定等问题。该方法不仅能有效检测出网络异常流量，同时能恰当地区分出繁忙网络流量和异常流量。
　　 说明了李氏指数、小波变换及信号奇异性三者之间的关系，阐述了利用小波变换快速求解李氏指数的方法原理，给出了基于李氏指数的网络流量异常发生时刻定位方法的基本思想和处理算法。
　　 实验结果表明，所给出的网络流量异常检测和定位方法能有效检测出网络流量异常，并能在较细的时间粒度上定位异常发生时刻，因此能为后续相关工作（例如网络取证、网络追踪等）提供有用信息。