基于主成分分析的網(wǎng)絡(luò)流量異常檢測(cè)研究.pdf

1、隨著互聯(lián)網(wǎng)在全球的快速發(fā)展，網(wǎng)絡(luò)方面業(yè)務(wù)的種類(lèi)和范圍日益增加。但同時(shí)，各種各樣的網(wǎng)絡(luò)問(wèn)題層出不窮。網(wǎng)絡(luò)異常能夠引起網(wǎng)絡(luò)丟包、時(shí)延增大，嚴(yán)重時(shí)甚至?xí)?dǎo)致網(wǎng)絡(luò)癱瘓。對(duì)于網(wǎng)絡(luò)管理者來(lái)說(shuō)，有效地檢測(cè)出異常，迅速地回應(yīng)并采取措施維持網(wǎng)絡(luò)正常運(yùn)行是十分重要的。因此網(wǎng)絡(luò)異常檢測(cè)受到工程和研究人員的廣泛關(guān)注。
　　網(wǎng)絡(luò)流量異常的檢測(cè)一般針對(duì)兩類(lèi)數(shù)據(jù)進(jìn)行研究，端到端流量數(shù)據(jù)或全局流量矩陣數(shù)據(jù)。針對(duì)端到端流量數(shù)據(jù)的研究相對(duì)簡(jiǎn)單，局限在少數(shù)鏈路或節(jié)點(diǎn)上

2、。流量矩陣能夠描述全局網(wǎng)絡(luò)的流量特性，在網(wǎng)絡(luò)工程中針對(duì)全局流量的研究具有重要意義。異常檢測(cè)有益于網(wǎng)絡(luò)優(yōu)化、預(yù)測(cè)等多種應(yīng)用。海量數(shù)據(jù)的多變性為研究帶來(lái)難度，本文將研究基于主成分分析的流量矩陣分析方法和異常檢測(cè)問(wèn)題。運(yùn)用主成分分析算法，流量的特征可用小部分維數(shù)表述，對(duì)小部分維數(shù)的分析能有效地檢測(cè)網(wǎng)絡(luò)流量異常。本文的主要內(nèi)容分為以下三個(gè)方面:
　　(1)通過(guò)研究現(xiàn)有的網(wǎng)絡(luò)流量模型和異常檢測(cè)方法，分析并比較了現(xiàn)有的網(wǎng)絡(luò)流量異常檢測(cè)方法。<

3、br>　　(2)采用了基于主成分分析的方法分析網(wǎng)絡(luò)流量矩陣。通過(guò)運(yùn)用主成分分析算法，提取最少數(shù)量的主成分，提取的這些主成分能最大限度的包含原數(shù)據(jù)的特征和最小限度的損失原數(shù)據(jù)的信息量，實(shí)現(xiàn)了對(duì)原始特征空間的降維。
　　(3)給出了基于主成分分析的網(wǎng)絡(luò)異常檢測(cè)方法并對(duì)檢測(cè)算法的性能進(jìn)行了分析。本文從異常類(lèi)型和特征參數(shù)的概率模型等多方面進(jìn)行了流量矩陣的異常檢測(cè)實(shí)驗(yàn)，分別給出了單節(jié)點(diǎn)和多節(jié)點(diǎn)異常檢測(cè)的方法，并給出了區(qū)分兩類(lèi)主要異常的方法。