自相似特性網(wǎng)絡(luò)流量評(píng)估方法的應(yīng)用研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的不斷提高和應(yīng)用領(lǐng)域的不斷普及，網(wǎng)絡(luò)攻擊等惡意行為已經(jīng)嚴(yán)重威脅了計(jì)算機(jī)網(wǎng)絡(luò)的安全，網(wǎng)絡(luò)異常行為會(huì)導(dǎo)致網(wǎng)絡(luò)流量異常，因此能夠及時(shí)準(zhǔn)確的檢測(cè)出網(wǎng)絡(luò)異常對(duì)于維護(hù)網(wǎng)絡(luò)安全有十分重要的意義。
　　 通過(guò)給出的自相似過(guò)程的數(shù)學(xué)定義和相關(guān)性質(zhì)，分析比較了Pareto分布模型、對(duì)數(shù)正態(tài)分布模型、ON/OFF模型、分形布朗運(yùn)動(dòng)、分形高斯噪聲、分形自回歸移動(dòng)平均模型、多分形小波模型這7種自相似流量模型以及自相似網(wǎng)絡(luò)流量產(chǎn)生的原因，并且研

2、究了多個(gè)具有自相似特性的流量合成一個(gè)流量后表征自相似特性的指數(shù)的變化的情況。由于Hurst系數(shù)是評(píng)估自相似特性的重要參數(shù)，所以比較分析了常用的計(jì)算Hurst系數(shù)的算法，包括R/S法、留數(shù)法、時(shí)間方差法、絕對(duì)值法、周期圖法、小波法和IDC法，通過(guò)使用隨機(jī)過(guò)程序列和分形高斯噪聲序列分析了這7種算法估值的準(zhǔn)確性以及算法時(shí)間復(fù)雜度。常用的Hurst估值算法是基于用一個(gè)靜態(tài)的估計(jì)值來(lái)表征有限時(shí)間序列的自相似性，考慮到網(wǎng)絡(luò)流量的自相似性是隨時(shí)間序列

3、增長(zhǎng)到無(wú)窮大長(zhǎng)度序列的漸進(jìn)的過(guò)程，提出了一種基于漸進(jìn)的Hurst估值方法來(lái)檢測(cè)異常流量，該方法是把流量看作是長(zhǎng)度漸增的時(shí)間序列，估算出每一個(gè)時(shí)間序列的Hurst系數(shù)，得到的Hurst系數(shù)的集合就反應(yīng)了全局時(shí)間域上的自相似變化趨勢(shì)。將該方法運(yùn)用到DDOS(DistributedDenialofService)的檢測(cè)當(dāng)中，用Hurst參數(shù)變化和Hurst參數(shù)方差變化來(lái)檢測(cè)DDOS攻擊，選擇網(wǎng)絡(luò)正常時(shí)的流量作為背景流量，在背景流量中加入攻擊流

4、量模擬網(wǎng)絡(luò)遭受攻擊時(shí)的情況，通過(guò)漸進(jìn)Hurst評(píng)估法估算出Hurst參數(shù)值。將基于RFID的物聯(lián)網(wǎng)模型作為研究對(duì)象，利用服從Pareto分布的多ON/OFF模型建立了物聯(lián)網(wǎng)自相似業(yè)務(wù)模型，并驗(yàn)證了該模型的有效性，證明了物聯(lián)網(wǎng)業(yè)務(wù)流量同樣具有自相似特性，并使用漸進(jìn)的Hurst系數(shù)估值方法評(píng)估了物聯(lián)網(wǎng)業(yè)務(wù)流量自相似性的趨勢(shì)。
　　 實(shí)驗(yàn)分析得出漸進(jìn)的Hurst系數(shù)估值方法能夠檢測(cè)到DDOS攻擊，此方法與傳統(tǒng)的網(wǎng)絡(luò)流量檢測(cè)方法相比，精