云環(huán)境下的自適應異常檢測模型及部署策略的研究.pdf

1、云計算是通過Internet以服務的方式提供動態(tài)可伸縮的虛擬化資源的計算模式。它同時也是一種按使用量付費的模式，能夠讓云租戶得到按需的、可用的和便捷的網(wǎng)絡訪問。云計算按照所提供服務的層次、側重點及對象不同可以分為三層:IaaS（基礎設施作為一種服務）、PaaS（平臺作為一種服務）和SaaS（軟件作為一種服務）。云計算所提供的服務是基于現(xiàn)有標準化的網(wǎng)絡協(xié)議，具有特定的格式及標準。然而現(xiàn)有技術和標準協(xié)議所存在的安全隱患和脆弱性為非法分子敞開

2、了入侵的大門。傳統(tǒng)的網(wǎng)絡入侵和云計算特有的入侵使得云計算安全問題日益成為一個很重要的研究方向。作為能夠檢測未知入侵行為的異常檢測通常是被當作云環(huán)境中入侵檢測的手段和方法。
　　為了檢測云環(huán)境中的異常，需要對云平臺的運行狀況進行監(jiān)控，并且能夠搜集運行時性能數(shù)據(jù)。搜集到的性能數(shù)據(jù)通常都是無標記的，因此如何從這些無標記的性能數(shù)據(jù)中獲取關于云服務器的健康指標是本文所關心的問題。采集到的性能數(shù)據(jù)有很多屬性是不需要關心的，需要對真正關乎云服務

3、器的數(shù)據(jù)維度進行簡化。在維度簡化之前通常會對數(shù)據(jù)進行預處理，找出具有不同特征的維度。信息論中的互信息概念可以很好地找出具有最小相關性并且對目標分類參數(shù)具有很大貢獻的數(shù)據(jù)維度。在得到這些敏感的數(shù)據(jù)維度后，可以利用PCA(PrincipalComponent Analysis，主成分分析方法)對有效的高維數(shù)據(jù)進一步降維，得到具有很強特征體現(xiàn)的維度，作為后續(xù)異常檢測的度量及評判標準。
　　云環(huán)境中的異常檢測需要快速和準確，基于分類的異常

4、檢測方法可以作為云環(huán)境中異常檢測方法。SVM（Support Vector Machine，支持向量機）可以對表征云服務器性能的數(shù)據(jù)實例進行分類，通過對分類檢測出的疑似異常數(shù)據(jù)實例提交給云安全管理員進行確認，根據(jù)確認結果對SVM分類器逐步迭代，從而不斷完善異常檢測分類模型，達到自適應的目的。本文設計自適應異常檢測模型CAPS(Cloud Adaptive PCA-SVM)，從數(shù)據(jù)獲取及預處理，到高維數(shù)據(jù)維度約簡，最終能夠完成對云環(huán)境中的