基于滑窗小波二叉樹的網(wǎng)絡(luò)異常檢測(cè)與分析.pdf

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展和普及，網(wǎng)絡(luò)資源的需求也迅速增加；與此同時(shí)網(wǎng)絡(luò)中也包含大量的網(wǎng)絡(luò)攻擊，其對(duì)網(wǎng)絡(luò)性能的影響越來越大。網(wǎng)絡(luò)攻擊的直接表現(xiàn)是網(wǎng)絡(luò)流量異常，這就要求必須快速有效的檢測(cè)出異常。本文提出一種新的網(wǎng)絡(luò)異常檢測(cè)與分析方法，通過滑窗小波二叉樹和ARX 模型實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量的建模與預(yù)測(cè)，再由聚類EM 算法對(duì)其分類并檢測(cè)異常點(diǎn)。
　　 本文首先介紹滑窗小波二叉樹的特點(diǎn)和計(jì)算方法，如它能解決窗口滑動(dòng)時(shí)產(chǎn)生的數(shù)據(jù)冗余；且原始窗口更新數(shù)據(jù)

2、的同時(shí)，也能更新對(duì)應(yīng)分解層的小波系數(shù)，體現(xiàn)出系數(shù)更新的實(shí)時(shí)性。接著通過系統(tǒng)辨識(shí)ARX 模型對(duì)各層小波系數(shù)建模、獲取模型殘差序列，并探討其在時(shí)間序列自適應(yīng)預(yù)測(cè)方面的應(yīng)用。然后探究高斯混合模型、聚類EM 算法的原理，并對(duì)ARX 模型殘差序列進(jìn)行聚類分析和異常值檢測(cè)。通過對(duì)上述數(shù)學(xué)模型的協(xié)同分析，本算法實(shí)現(xiàn)了對(duì)網(wǎng)絡(luò)流量的異常檢測(cè)，且體現(xiàn)出較好的實(shí)時(shí)性。最后使用KDDCup99 數(shù)據(jù)集做網(wǎng)絡(luò)流量異常檢測(cè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證實(shí)本方法可獲得較高的異常檢