一种基于高聚集链路测量的网络级别OD流异常检测框架

doi:10.3969/j.issn.1000-0801.2010.10.032

摘要/Abstract

摘要：

绝大多数网络异常事件会对网络中的一定空间范围造成影响，形成分布式流量异常，其异常流量模式通常体现在网络级别源到端（OD）流的某些特征参数上。OD流很难直接测量得到，需通过高聚集链路测量反演技术推测，然而反演误差将直接影响下一步基于特征参数的异常诊断。本文提出了一种直接由链路测量进行OD流异常检测的框架，该框架采用RMLP神经网络，并加入部分OD 流估计值作为约束输入，实现了由链路测量对OD流级别特征参数的估计。该方法的优点是检测过程不再完全依赖链路到OD流的估计，解决了反演误差影响检测的问题，并且该框架允许链路流量到多种OD流特征参数的估计。

关键词: OD流, 高聚集链路测量, 异常检测

Abstract:

This paper presents a framework of network-level OD flow anomaly detection，that uses RMLP neural network，and adds some OD flow estimation as a constraint input，which estimated the OD flow parameters by the link-level measurement .

Key words: OD flow, high aggregation link measurement, anomaly detection

杨松,李宗林. 一种基于高聚集链路测量的网络级别OD流异常检测框架[J]. 电信科学, 2010, 26(10): 121-126.

Song Yang,Zonglin Li. A Framework of Network-Level OD Flow Anomaly Detection Based on High Aggregate Link Measurement[J]. Telecommunications Science, 2010, 26(10): 121-126.

图/表 2

参考文献 17

1	Matthew R ， Tim G ， Morley Z M ， et al. IP forwarding anomalies and improving their detection using multiple data sources， Greenberg Brian Freeman. In：SIGCOMMˊ04， Portland，Oregon， USA， Aug 2004
2	Anja F ， Albert G ， Carsten L ， et al. Deriving traffic demands for operational IP networks：methodology and experience. IEEE／ACM Transactions on Networking， 2001，9（3）:265～280
3	Medinaa A ， Tafta N ， Salamatianc K ， et al. traffic matrix estimation existing techniques. In：SIGCOMMˊ02，Pittsburgh， Pittsburgh， Pennsylvania，USA， August 2002
4	Yin Z ， Matthew R ， Nick D ， et al. Fast accurate computation of large scale IP traffic matrices from link loads. In：SIGMETRICESˊ03， San Diego，California，USA， June 2003
5	Simon H . Kalman filtering and neural networks. Wiley， 2001
6	Barford P ， Kline J ， Plonka D ， et al. A signal analysis of network traffic anomalies. In：Proceedings of ACM SIGCOMM Intemet Measurement Workshop， Marseilles，France， November 2002
7	Soule A ， Salamatian K ， Taft N . Combining filtering and statistical methods for anomaly detection. In：SIGCOMMˊ05， Berkeley，CA，USA， November 2005
8	Antoine S ， Nicolas L ， ShiPhilippewen O ， et al. Non-gaussian and long memory statistical characterizations for internet traffic with anomalies. IEEE Trans Dependable and Secure Computing， 2007，4（1）：56～70
9	Lakhina A ， Crovella M ， Diot C . Characterization of networkwide anomalies in traffic flows. In：IMC 2004， Taormina，Sicily， Italy October 2004
10	Benjamin I ， Rubinstein P ， Nelson B ， et al. Stealthy poisoning attacks on PCA-based anomaly detectors. In：SIGMETRICESˊ09， Seattle，USA June 2009
11	Crovella M ， Kolaczyk E . Graph wavelets for spatial traffic analysis. In：INFOCOM 2003， Francisco，California，USA，Mar 2003
12	Zhang Y ， Ge Z ， Roughan M ， et al. Network anemography. In：IMC 2005，Berkeley， CA，USA，October 2005
13	Chhabra P ， Scott C ， Kolaczyk E D ， et al. Distributed spatial anomaly detection. In：INFOCOM 2008， Phoenix，USA，April 2008
14	Werbos P J . Back propagation through time：what does it does and how to do it. Proc IEEE， 1990，78（10）:1550～1560
15	Williams R J ， Zipser D . A learning algorithm for continually running fully recurrent neural networks. Neural Computation， 1989，1（2）:270～280
16	Feldkamp L A ， Puskorius G V . Training controller for robustness：multistream DEKF. IEEE International Conference on Neural Network， 1994（6）:2377～2382
17	.

[1]	陈华华, 陈哲. 基于钉板分布稀疏变分自编码器的异常检测算法研究[J]. 电信科学, 2022, 38(12): 65-77.
[2]	王速, 卢华, 汪硕, 蔡磊, 黄韬. 智能运维中KPI异常检测的研究进展[J]. 电信科学, 2021, 37(5): 42-51.
[3]	陈华华, 陈哲, 郭春生, 应娜, 叶学义, 章坚武. 基于混合高斯变分自编码网络的异常检测算法[J]. 电信科学, 2021, 37(4): 54-61.
[4]	沈潇军,葛亚男,沈志豪,倪阳旦,吕明琪,翁正秋. 一种基于LSTM自动编码机的工业系统异常检测方法[J]. 电信科学, 2020, 36(7): 136-145.
[5]	吴亚萍,董红召,林盈盈,柳菁. 混沌改进鱼群算法及其在工业控制网络异常检测中的应用[J]. 电信科学, 2020, 36(3): 27-33.
[6]	谭晓敏,方艾,金铎,李长江. IPTV用户体验异常的自动化检测[J]. 电信科学, 2019, 35(7): 159-164.
[7]	李昊奇,应娜,郭春生,王金华. 基于深度信念网络和线性单分类SVM的高维异常检测[J]. 电信科学, 2018, 34(1): 34-42.
[8]	李斐,陈恳,李萌,郭春梅. 一种基于运动相似熵的人群异常行为检测[J]. 电信科学, 2017, 33(5): 90-98.
[9]	姜红红,张涛,赵新建,钱欣,赵天成,高莉莎. 基于大数据的电力信息网络流量异常检测机制[J]. 电信科学, 2017, 33(3): 134-141.
[10]	李传煌,程成,袁小雍,岑利杰,王伟明. 基于深度学习的软件定义网络应用策略冲突检测方法[J]. 电信科学, 2017, 33(11): 27-36.
[11]	张玉,戴磊. 基于heavy hitter流提取的网络异常检测优化研究[J]. 电信科学, 2010, 26(3): 46-51.
[12]	周彬彬,崔宝江,杨义先. 基于系统行为分析的异常检测技术研究[J]. 电信科学, 2009, 25(2): 59-65.
[13]	周彬彬,崔室江,杨义先. 基于系统行为分析的异常检测技术研究[J]. 电信科学, 2009, 1(2): 59-65.
[14]	陆伟宙,余顺争. 脉冲式拒绝服务攻击及其防御[J]. 电信科学, 2007, 23(9): 1-76.