面向大数据的网络安全分析方法

摘要

互联网的快速发展催生了云计算大数据平台出现，云计算，云存储，分布式计算框架等平台已经逐步形成一套完备的系统。随着网络应用的服务量在人们的生活中逐步增加。网络安全事件也呈现爆发性的增长。而网络中的入侵行为不仅对人们的日常生活产生了巨大的影响，甚至对国家的安全带来了危害。如何准确的发现和处理大规模的异常流量是一个非常有意义的课题。
　　本文以spark，flume，hdfs为基本框架，设计了一种大规模异常流量大数据分析平台，分别对数据采集，存储，计算等方面进行阐述，该模块均使用了spark和hadoop生态圈相关技术。
　　在算法设计方面分别使用了朴素贝叶斯和cart决策树算法分别对kdd99和darknet数据集进行分类。提取了攻击数据中的主要特征值观察实验结果。
　　本文设计了基于云平台的网络安全分析平台，在spark平台上实现了基于贝叶斯分类器和cart决策树的DDoS的检测方法。对上述网络安全检测方法进行实验测试，验证其有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究意义

1.2国内外发展现状

1.3本文主要工作

1.4论文的组织结构

第二章 相关技术与理论

2.1引言

2.2 DDoS攻击检测相关研究现状

2.3大数据分析相关技术

2.4 Sparkmllib 库与基于 spark 的数据挖掘算法

2.5大数据技术在安全领域的应用和优势

第三章 云检测平台的架构设计

3.1引言

3.2云平台安全分析架构设计

第四章 基于 spark的检测算法实现与实验

4.1引言

4.2传统的开源安全管理工具

4.3朴素贝叶斯算法描述

4.4决策树算法描述

4.5基于 Cart决策树和贝叶斯算法的 DDoS检测方法

4.6实验验证

4.7实验过程及分析

第五章 总结展望

5.1本文主要研究工作

5.2展望

参考文献

致谢