基于PpenFlow的校園網(wǎng)異常流量的識(shí)別及管理.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)中的流量越來越豐富，并且對(duì)網(wǎng)絡(luò)傳輸?shù)目煽啃浴?shí)時(shí)性和安全性的要求也越來越高。隨之而來的網(wǎng)絡(luò)異常流量攻擊，給人們的生活帶來了嚴(yán)重的潛在威脅，影響到互聯(lián)網(wǎng)的正常運(yùn)行。其中，異常流量對(duì)網(wǎng)絡(luò)的危害主要體現(xiàn)在兩個(gè)方面:第一方面是占用大量的網(wǎng)絡(luò)資源，包括交換機(jī)等網(wǎng)絡(luò)設(shè)備;第二方面是造成互聯(lián)網(wǎng)的網(wǎng)絡(luò)擁堵，從而使網(wǎng)絡(luò)數(shù)據(jù)包的時(shí)延增大，產(chǎn)生丟包行為，甚至導(dǎo)致網(wǎng)絡(luò)癱瘓不可用。因此對(duì)網(wǎng)絡(luò)異常流量的檢測和識(shí)別成為一個(gè)關(guān)鍵性的研究熱

2、點(diǎn)和問題。
　　本文基于當(dāng)前最流行熱門的網(wǎng)絡(luò)模型OpenFlow來對(duì)校園網(wǎng)環(huán)境下的異常流量進(jìn)行識(shí)別和管理。通過研究對(duì)異常流量的檢測和識(shí)別，在總結(jié)前人經(jīng)驗(yàn)基礎(chǔ)之上基于OpenFlow平臺(tái)實(shí)現(xiàn)一套網(wǎng)絡(luò)異常流量的識(shí)別管理系統(tǒng)展開以下一系列工作和創(chuàng)新之處，主要包括流量采集抽樣模塊，異常流量識(shí)別模塊和異常流量管控模塊三大模塊來對(duì)異常流量進(jìn)行處理。
　　(1)流量采樣模塊是基于OpenFlow平臺(tái)對(duì)流量進(jìn)行采樣，在OpenFlow交換機(jī)

3、上安裝流量采集節(jié)點(diǎn)，通過采用自適應(yīng)的動(dòng)態(tài)采樣算法對(duì)經(jīng)過流表查詢的數(shù)據(jù)包進(jìn)行捕獲統(tǒng)計(jì)，并作基本的過濾和協(xié)議分析。將采集得到的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，通過對(duì)數(shù)據(jù)進(jìn)行分流，使流量進(jìn)行預(yù)處理，按照網(wǎng)絡(luò)流量的協(xié)議進(jìn)行聚類，建立相應(yīng)的IP群，同時(shí)生成訓(xùn)練樣本數(shù)據(jù)集，對(duì)樣本數(shù)據(jù)集進(jìn)行屬性分析，讓訓(xùn)練樣本生成聚類數(shù)據(jù)，同時(shí)對(duì)聚類的數(shù)據(jù)進(jìn)行標(biāo)記。
　　(2)異常流量檢測識(shí)別模塊是將采集到的數(shù)據(jù)集作為分析粒度，運(yùn)用數(shù)據(jù)挖掘相關(guān)技術(shù)及算法對(duì)數(shù)據(jù)記錄進(jìn)行劃分

4、并找出數(shù)據(jù)記錄之間的相互關(guān)系及隱含的、有用的模式和規(guī)則，劃分出正常行為庫和異常行為庫，然后對(duì)異常行為庫進(jìn)行模式分析，通過在OpenFlow控制器中設(shè)置過濾規(guī)則，通過將異常行為庫與過濾規(guī)則進(jìn)行匹配從而識(shí)別出異常流量。數(shù)據(jù)挖掘的算法采用K-means算法，對(duì)于大流量的計(jì)算具有可伸縮和高效性，可以達(dá)到局部最優(yōu)。
　　(3)異常流量管控模塊主要包括如何定制過濾規(guī)則以及生成決策樹，對(duì)異常數(shù)據(jù)包的分類處理和分析協(xié)議結(jié)構(gòu)以及信息反饋。