資源描述：
《基于hmm的netflow異常流量檢測(cè)方法的研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類(lèi)號(hào)TP39密級(jí)公開(kāi)UDC004編號(hào)10299S1308017碩士學(xué)位論文基于HMM的Netflow異常流量檢測(cè)方法的研究ResearchoftheDetectionMethodofNetflowAbnormalFlowBasedonHMM指導(dǎo)教師許曉東作者姓名吳云龍申請(qǐng)學(xué)位級(jí)別碩士學(xué)科(專(zhuān)業(yè))通信與信息系統(tǒng)論文提交日期2016年4月論文答辯日期2016年6月學(xué)位授予單位和日期江蘇大學(xué)2016年6月答辯委員會(huì)主席_______________評(píng)閱人______________獨(dú)創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已注明引
2、用的內(nèi)容以外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果，也不包含為獲得江蘇大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：年月日學(xué)位論文版權(quán)使用授權(quán)書(shū)江蘇大學(xué)、中國(guó)科學(xué)技術(shù)信息研究所、國(guó)家圖書(shū)館、中國(guó)學(xué)術(shù)期刊（光盤(pán)版）電子雜志社有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可以采用影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致，允許論文被查閱和借閱，同時(shí)授權(quán)中國(guó)科學(xué)技術(shù)信息研究所將本論文編入《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》并向
3、社會(huì)提供查詢(xún)，授權(quán)中國(guó)學(xué)術(shù)期刊（光盤(pán)版）電子雜志社將本論文編入《中國(guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》并向社會(huì)提供查詢(xún)。論文的公布（包括刊登）授權(quán)江蘇大學(xué)研究生處辦理。本學(xué)位論文屬于不保密□。學(xué)位論文作者簽名：指導(dǎo)教師簽名：年月日年月日江蘇大學(xué)碩士學(xué)位論文摘要在現(xiàn)如今這個(gè)科技發(fā)達(dá)、信息飛速流通的社會(huì)，網(wǎng)絡(luò)的安全越來(lái)越受人們的關(guān)注和重視。Netflow作為思科公司提出的一種數(shù)據(jù)交互方式，在監(jiān)測(cè)網(wǎng)絡(luò)中發(fā)揮著重要的作用。國(guó)內(nèi)外也針對(duì)Netflow異常檢測(cè)做了很多研究。但隨著網(wǎng)絡(luò)的發(fā)展，傳統(tǒng)的基于“流”的異常檢測(cè)技術(shù)存在訓(xùn)練樣本要求大，特征提取復(fù)雜，面對(duì)未知異常檢測(cè)率低的問(wèn)題；而且在面對(duì)海量Ne
4、tflow流數(shù)據(jù)時(shí)，目前的研究也未發(fā)現(xiàn)也很好的應(yīng)對(duì)之策?；谝陨系膯?wèn)題，本文的研究將隱馬爾可夫模型和大數(shù)據(jù)相結(jié)合，提出了基于HMM的Netflow異常流量檢測(cè)方法。本文的研究主要包括數(shù)據(jù)采集和處理，建立模型和異常檢測(cè)三個(gè)模塊。首先數(shù)據(jù)采集和處理模塊中，利用重新設(shè)計(jì)的分布式日志采集系統(tǒng)Flume，將Netflow流采集到分布式文件系統(tǒng)。其次在建立HMM模型中，利用協(xié)議的高度規(guī)范化，實(shí)現(xiàn)針對(duì)Netflow數(shù)據(jù)按照ICMP，TCP和UDP三種協(xié)議進(jìn)行分類(lèi)。然后根據(jù)每種協(xié)議的樣本流數(shù)據(jù)進(jìn)行降維、量化等預(yù)處理，建立每種協(xié)議正常流的HMM模型。最后異常檢測(cè)模塊，根據(jù)每種協(xié)議建立的模型，針對(duì)待檢測(cè)
5、序列，分布式實(shí)現(xiàn)前向算法計(jì)算出觀測(cè)概率。將計(jì)算得到的概率與特定的閾值進(jìn)行比較，實(shí)現(xiàn)異常Netflow流量的檢測(cè)。通過(guò)本文的研究，利用隱馬爾可夫模型作為異常檢測(cè)的基本算法模型，不僅需要的樣本量大大減少；且不再需要針對(duì)每種攻擊類(lèi)型單獨(dú)建模，而是根據(jù)協(xié)議分類(lèi)建模，降低了復(fù)雜度，對(duì)未知的異常也有一定的檢查效果。本文的方法利用分布式存儲(chǔ)和分布式計(jì)算框架，幫助我們提供了一種解決海量數(shù)據(jù)下的異常流數(shù)據(jù)檢測(cè)的辦法。關(guān)鍵詞：網(wǎng)絡(luò)，異常流檢測(cè)，Hadoop，隱馬爾科夫模型，NetflowI基于HMM的Netflow異常流量檢測(cè)方法的研究AbstractInthisscienceandtechnology
6、development,therapidflowofinformationsociety.Netflow,asakindofdataexchangemethodproposedbyCISCO,playsanimportantroleinthemonitoringnetwork.TherearealotofresearchesaboutNetflowathomeandabroad.Butwiththedevelopmentofnetwork,thetraditionalanomalydetectiontechnologybasedon"flow"hasthefollowingprobl
7、ems:Heavydemandfortrainingsample;Complexfeatureextraction;Lowdetectionrateofunknownanomaly.AndinthefaceofmassiveNetflowstreamingdata,thecurrentresearchhasnotfoundagoodstrategy.Basedontheaboveproblems,CombininghiddenMarkovmodelswit
