大规模网络流量模型与蠕虫预警

《大规模网络流量模型与蠕虫预警》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、哈尔滨工业大学硕士学位论文大规模网络流量模型与蠕虫预警姓名：陈海永申请学位级别：硕士专业：计算机科学与技术指导教师：云晓春20050601摘要本文主要研究如何对大规模网络上的蠕虫爆发作出预警，并且自动提取出蠕虫的网络特征。研究的对象是基于TCP／IP协议族的各种网络数据流量，通过对数据流量异常的实时检测和建立网络流量模型两种方式，实现了蠕虫预警和网络特征提取的功能。首先在预定时间间隔内对网络上的数据流量进行分类统计。在分类的时候，以IP数据包的首部特征为主要依据。把统计结果以一定的格式存入数据库，从而保存了最

2、原始的网络数据流量信息，为以后进一步研究打下基础。其次把网络数据流以字节为单位，通过对正常情况下网络数据流分布情况的分析，建立数据流的分布模型，利用该模型从网络的实时流量中分离出可能具有异常特征的数据流，采用信息粗过滤和异常特征反馈的方法，通过分析～反馈一分析的步骤实现异常特征的自动提取。然后建立完整的网络流量模型，讨论了利用网络流量的大小和流量曲线形状来发现异常的方法，给出了描述特定网络流量的几个关键参数，并绘制出理想情况下的特定网络流量曲线。用实际蠕虫爆发时的网络流量数据对模型进行了检验。最后对SYN扫描

3、作了详细的分析，把常见的扫描方式分为三种类型，对每一种类型都分析了其扫描特征和可能出现时的情况，并且逐一讨论了各种SYN扫描的检测方法。关键词流量模型；流量统计：蠕虫早期预警；特征提取哈尔滨丁业大学工学硕士学位论文AbstractThemainpurposeofthispaperishowtomakeearlywarningoftheburstofworminlargescalenetworkandextractthenetworksignatureautomatically．Theresearchobjec

4、tisthenetworktrafficsbasedonTCP／IPprotocols．Bymeansofreal—timedataflowdetectingandsettingupofnetworktrafficsmodel，theearlywarningandsignatureabstractionwererealized．First．thedataflowinscheduledtimeintervaliSclassifiedforstatistics．IPpacketiSalmostclassified

5、accordingasitsheader．Thestatisticresultsarestoredindatabasebycertainformattokeeptherawinformationofnetworkdataflow．ThisiSthebaseofthefutureresearch．Second，inthispaper，thenetworkdataflowwasconsideredasbytesflow．Throurghtheanalysisofbytesdistributing，amodelwa

6、sestablished．Thenthedataflowwhichwasprobablyanomalywasseparatedfromtheothers．Witllthemethodofinformationfilterandsignaturefeedback，stepbysteptheanomaloussignaturewasautomaticallyabstracted．Third．amodelofnetworktraffiCwasestablished．Thesizeandshapeofthedataf

7、lowwereconsideredintheanomalydetection．Atthesametime，keyparametersweregiventodescribeacertainnetworkandthecurveofthenormaldataflowwasdrawnaswell．Thismodelwascheckedwitlltherealnetworkdatawhenthewormwasbursting．Atlast，theSYNSCanwasanalyzedindetail，theusualty

8、peofSCanwasclassifiedintothreemodels．thescansignatureofeverymodelwasanalyzedandthesceneofitsoccurrenceisdescribed．Thentheapproachestodetecta11kindsofSYNSCanarediscussedinturn．Keywordsmodelofnetworktraf