主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2019-2020年专刊出版计划 微信服务介绍 最新一期:2019年第2期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
钱叶魁,陈鸣,叶立新,刘凤荣,朱少卫,张晗.基于多尺度主成分分析的全网络异常检测方法.软件学报,2012,23(2):361-377
基于多尺度主成分分析的全网络异常检测方法
Network-Wide Anomaly Detection Method Based on Multiscale Principal Component Analysis
投稿时间:2010-05-13  修订日期:2010-07-28
DOI:10.3724/SP.J.1001.2012.03952
中文关键词:  网络异常检测  多尺度建模  主成分分析  流量矩阵  在线检测
英文关键词:network anomaly detection  multiscale modelling  principal component analysis  traffic matrix  online detection
基金项目:国家自然科学基金(61070173); 国家高技术研究发展计划(863)(2007AA01Z418); 江苏省自然科学基金(BK2009058)
作者单位E-mail
钱叶魁 中国人民解放军 理工大学 指挥自动化学院,江苏 南京 210007
中国人民解放军 防空兵学院,河南 郑州 450052 
qyk1129@hotmail.com 
陈鸣 中国人民解放军 理工大学 指挥自动化学院,江苏 南京 210007  
叶立新 中国人民解放军 防空兵学院,河南 郑州 450052  
刘凤荣 中国人民解放军 防空兵学院,河南 郑州 450052  
朱少卫 中国人民解放军 防空兵学院,河南 郑州 450052  
张晗 中国人民解放军 防空兵学院,河南 郑州 450052  
摘要点击次数: 3778
全文下载次数: 4587
中文摘要:
      网络异常检测对于保证网络的可靠运行具有重要意义,而现有的异常检测方法仅仅单独利用流量的时间相关性或空间相关性.针对这一不足,同时考虑流量矩阵的时空相关性,提出了一种基于MSPCA 的全网络异常检测方法.该方法综合利用小波变换具有的多尺度建模能力和PCA 具有的降维能力对正常流量进行建模,然后采用 Shewart 控制图和EWMA 控制图分析残余流量.此外,还利用滑动窗口机制对MSPCA 异常检测方法进行在线扩展, 提出了一种在线的MSPCA 异常检测方法.因特网实测数据分析和模拟实验分析表明:MSPCA 算法的检测性能优于PCA 算法和近期提出的KLE 算法;在线MSPCA 算法的检测性能非常接近MSPCA 算法,且单步执行时间很短,完全满足实时检测的需要.
英文摘要:
      Network anomaly detection is very important in order to guarantee the reliable operation of network. Existing methods only utilize temporal correlation or spatial correlation of network traffic individually. Aiming at this deficiency, this paper considers the spatio-temporal correlation of traffic matrix together and puts forward a network-wide anomaly detection method based on MSPCA. The method utilizes the multiscale modeling ability of wavelet transform and dimensionality reduction ability comprehensively to model normal network traffic, and then analyzes residual traffic using Shewart and EWMA control charts. In addition, the MSPCA anomaly detection method is extended to online MSPCA anomaly detection method through applying gliding window mechanism. Real Internet measurement data analyses and simulation experiment analyses show that the detection performance of MSPCA algorithm is superior to PCA algorithm and KLE algorithm proposed recently. Analyses also show that the detection performance of online MSPCA algorithm is close to MSPCA algorithm, and the single step execution time of online MSPCA algorithm is very short, which can fully meet the need of real-time detection.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利