基于校园网的网络攻击行为及检测技术研究

《基于校园网的网络攻击行为及检测技术研究》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、基于校园网的网络攻击行为及检测技术研究重庆大学硕士学位论文（学术学位）学生姓名：谷跃指导教师：唐学文高工专业：计算机系统结构学位门类：工学重庆大学计算机学院二O一六年四月TheResearchofNetworkAttackandDetectionTechnologyBasedonCampusNetworkAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByGuYueSupervisedbySen.Eng.TangXuewenS

2、pecialty：ComputerSystemArchitectureCollegeofComputerScienceofChongqingUniversity,Chongqing,ChinaApril2016中文摘要摘要随着“互联网+”时代的到来，信息通信和互联网将进一步飞速发展，各种网络平台越来越丰富，网络安全变得越来越重要。然而，网络中违反网络安全原则的行为也越来越多，网络中充斥着很多木马、病毒、入侵软件，甚至是黑客培训服务。网络规模的急剧增长，种种违反网络安全的行为层出不穷，对网络的正常运转形成极大威胁。在当前的互联网环境下，存在着IPv4网络，也存在着IPv6网络，所以，既要检

3、测IPv4网络流，也要检测IPv6网络流。网络异常检测在大尺度上检测网络流，入侵检测在小尺度上检测网络流，共同保障网络的安全。针对以上分析，本文主要在以下几个方面进行研究：首先，本文提出了基于信息熵的流量矩阵与子空间模型相结合的方法。这种网络异常流量检测方法是使用流量矩阵描述网络流，网络流中包括IP地址、端口号和协议等基本属性，然后用信息熵序列化流量矩阵中网络流。利用当前网络流量局部结构和总体结构的一致性，使用子空间方法分析网络异常流量。通过实验对比，本文方法提升了网络异常流量检测准确率。其次，本文提出了一种进行入侵检测的方法。该方法采用集成学习思想，选取准确率高与差异性大的分类器组合，

4、来提升总体检测效果，克服了单一分类器检测准确率不高的问题。使用公开的权威数据集进行实验，表明本文方法取得了较好的效果，降低了入侵检测系统的误报率和漏报率，总体准确率更高。最后，本文设计并实现了JFLOW监测系统原型。本系统在开源社区的帮助下，同时运用了本文提出的两个算法，设计并实现了JFLOW监测系统，用以解决校园网缺乏足够的安全检测措施。JFLOW监测系统是在校园网环境下对网络流量进行异常检测与入侵检测。使用真实网络数据进行测试，结果表明，该系统能够检测出流量异常与入侵行为。本文的系统达到了设计要求，具有一定的实用价值，并且为后续的研究提供了比较好的平台。关键词：网络安全，网络流量异常

5、检测，入侵检测，流量矩阵，多分类器集成I英文摘要ABSTRACTWiththeadventofInternetplusera,informationcommunicationsandInternetwillbefurtherrapiddevelopment,allkindsofnetworkplatformarericherandricher,networksecurityisbecomingmoreandmoreimportant.However,violationoftheprincipleofnetworksecurityisontheincrease,networkisflood

6、edwithalotoftrojans,viruses,intrusionsoftware,evenhackingtrainingservices.Withtherapidgrowthinthesizeofnetwork,thesearevariousviolationsofnetworksecurity.Itformsagreatthreattothenormaloperationofnetwork.IncurrentInternetenvironment,thisisaperiodofcoexistenceofIPv4andIPv6,itisnotonlytodetecttheflo

7、wofIPv4network,butalsotodetecttheflowofIPv6network.Networktrafficanomalysystemcandetectsnetworktrafficinlargescale,andnetworkintrusiondetectionsystemcandetectsintrusionsinsmallscale.Theyjointlyprotectnetworksecurity.Ac