基于流量矩阵的多源数据融合分析的研究

《基于流量矩阵的多源数据融合分析的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨工程大学硕士学位论文基于流量矩阵的多源数据融合分析的研究姓名：高悦申请学位级别：硕士专业：计算机软件与理论指导教师：王慧强2012-03基于流量矩阵的多源数据融合分析的研究摘要网络态势指由多种网络设备的运行状况和网络行为、用户行为等构成的整个网络当前的状态和变化趋势。网络态势感知技术是一种能够评价当前以及未来一段时间内网络安全状况，并且实时监测和预警的一种全新的安全技术。我国网络系统处于亟待转型的历史阶段，网络态势感知技术的研究，对提高我国网络系统的应急响应能力，减轻网络攻击造成的危害和提高系统的反击能

2、力具有重要的现实意义。因此，如何提高网络态势感知技术对于数据的认识程度，使数据更直观，更客观，更全面的表现当前网络状况是目前研究的热点话题。网络数据融合分析技术在这种需求下孕育而生。本文对SNMP协议数据和NetFlow数据融合分析所涉及到的各方面技术进行了深入的研究，开展多角度的工作。首先，对于这两种数据源进行分析，寻找融合方法，提出运用流量矩阵这一理论来进行数据融合，并且详细的说明了选择流量矩阵来进行数据融合的原因和优势。对于现有的流量矩阵直接测量和间接估测方法一一列出，取长补短，改进了算法来完成流量矩阵

3、估测这一内容；其次，考虑到影响流量矩阵估测的一些因素，包括支持NetFlow采集的设备覆盖率以及路由改变的问题，提出改进方案和方法；再次，提出了多源数据融合分析系统的原型，并且对每个模块的设计进行详细的分析。最后，通过实验验证了流量矩阵分析方法的可行性以及本文提出的改进算法的有效性。实验表明，基于流量矩阵的改进算法，能够有效的定位网络异常和网络拥塞，迅速找到网络异常的关键链路。另外，在上述研究成果的基础上，本文还综合运用了Socket通信等编程技术，实现了网络态势数据融合分析功能，真正的融合了两种数据源。以网

4、络流量矩阵这种全网的角度来衡量网络状况，监测网络流量，进一步增强了网络态势对于数据分析的效果。关键词：网络态势感知；数据融合；流量矩阵；异常检测；哈尔滨工程大学硕士学位论文AbstractNetworksituationreferstothenetworkstatusandcurrenttrendsoftheentirenetworkwhichiscomposedofthestatusofmultiplenetworkdevices，networkbehaviors，anduserbehaviorsandSO

5、on．NetworkSecuritySituationalAwarenesstechnologyisamethodtomonitorthenetworkinrealtimeandmakeearlywarningsandevaluatesthesecuritystatustreadsofthenetworkinfuture．NetworksysteminChinaisinthehistoricalstageoftransformation．Toimproveouremergencyresponsecapacit

6、y，reducetheharmcausedbynetworkattacksandimprovethesystem’Sabilitytofightback．IthasimportantsignificancetodoresearchonNetworkSecuritySituationalAwarenesstechnology．Therefore，howtoimprovenetworksituationalawareness，makedatamoreintuitive，moreobjfectiveofthecur

7、rentnetworkstatusbecomesahottopicinresearchers．Networkdatafusionanalysistechniquesbornoutinsuchdemands．Inthispaper，wemakeresearchontherelatedtechnologiesinvolvedinSNMPdataandNetFlowdataintegration．Firstly，byanalyzingthetwodifferentdata，thetheoryoftrafficmat

8、rixdatafusionisproposed．Theadvantagesandthereasonswhythetheorybeenchosenaredescribedindetailstoo．Secondly，takingintoaccountoftheimpactofanumberoffactorstotrafficmatrixestimation，includingthecoverageofN