基于PpenFlow的校園網異常流量的識別及管理.pdf

1、隨著互聯(lián)網技術的飛速發(fā)展，網絡中的流量越來越豐富，并且對網絡傳輸?shù)目煽啃浴崟r性和安全性的要求也越來越高。隨之而來的網絡異常流量攻擊，給人們的生活帶來了嚴重的潛在威脅，影響到互聯(lián)網的正常運行。其中，異常流量對網絡的危害主要體現(xiàn)在兩個方面:第一方面是占用大量的網絡資源，包括交換機等網絡設備;第二方面是造成互聯(lián)網的網絡擁堵，從而使網絡數(shù)據(jù)包的時延增大，產生丟包行為，甚至導致網絡癱瘓不可用。因此對網絡異常流量的檢測和識別成為一個關鍵性的研究熱

2、點和問題。
　　本文基于當前最流行熱門的網絡模型OpenFlow來對校園網環(huán)境下的異常流量進行識別和管理。通過研究對異常流量的檢測和識別，在總結前人經驗基礎之上基于OpenFlow平臺實現(xiàn)一套網絡異常流量的識別管理系統(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，異常流量識別模塊和異常流量管控模塊三大模塊來對異常流量進行處理。
　　(1)流量采樣模塊是基于OpenFlow平臺對流量進行采樣，在OpenFlow交換機

3、上安裝流量采集節(jié)點，通過采用自適應的動態(tài)采樣算法對經過流表查詢的數(shù)據(jù)包進行捕獲統(tǒng)計，并作基本的過濾和協(xié)議分析。將采集得到的數(shù)據(jù)作為訓練數(shù)據(jù)集，通過對數(shù)據(jù)進行分流，使流量進行預處理，按照網絡流量的協(xié)議進行聚類，建立相應的IP群，同時生成訓練樣本數(shù)據(jù)集，對樣本數(shù)據(jù)集進行屬性分析，讓訓練樣本生成聚類數(shù)據(jù)，同時對聚類的數(shù)據(jù)進行標記。
　　(2)異常流量檢測識別模塊是將采集到的數(shù)據(jù)集作為分析粒度，運用數(shù)據(jù)挖掘相關技術及算法對數(shù)據(jù)記錄進行劃分

4、并找出數(shù)據(jù)記錄之間的相互關系及隱含的、有用的模式和規(guī)則，劃分出正常行為庫和異常行為庫，然后對異常行為庫進行模式分析，通過在OpenFlow控制器中設置過濾規(guī)則，通過將異常行為庫與過濾規(guī)則進行匹配從而識別出異常流量。數(shù)據(jù)挖掘的算法采用K-means算法，對于大流量的計算具有可伸縮和高效性，可以達到局部最優(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，對異常數(shù)據(jù)包的分類處理和分析協(xié)議結構以及信息反饋。