多变量混沌时序分析在网络流量预测上的应用分析

《多变量混沌时序分析在网络流量预测上的应用分析》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、摘要伴随着网络攻击技术的不断提高，网络的安全性正受到前所未有的威胁，提高入侵检测技术来应对日益发展的网络攻击手段势在必行。网络流量对网络中出现的异常状况具有极大的敏感性，本文针对网络流量的混沌动力学特征，从混沌时序分析出发，将多变量混沌时间序列分析理论应用到网络流量预测中，以提高入侵检测的准确性及实时性。本文的主要工作如下：首先，对网络流量数据进行了多变量混沌时间序列相空间重构，重点研究了嵌入维数和时间延迟这两个重构参数的选取方法。提出了改进的关联积分法并将该方法应用到多变量时序分析，在比较不同参数选取方法的预测效果之后，最终采用该方法进行

2、时间延迟和嵌入维数的计算。实验结果表明，该方法在网络流量的预测中有更好的效果。其次，本文将局部多项式预测法、局部平均预测法和局部线性预测法应用网络流量预测中，通过比较得出，局部多项式预测法对网络流量预测的效果更为准确。随后，将局部多项式预测法推广到多变量时间序列，并和单变量时间序列的局部多项式预测法进行比较，实验结果表明，多变量时序局部多项式预测法有更好的预测效果。最后，作者编制了网络流量数据分析程序，对网络数据进行采集并将采集的数据用到预测模型中进行分析，并采用网络数据包与网络流量做多变量混沌时间序列重构和预测，实验结果表明，以网络流量和

3、网络数据包作为变量的多变量混沌时间序列预测法改进了单变量混沌时间序列预测法的效果，提高了入侵检测的准确性和实时性性能。关键词：多变量混沌时间序列嵌入维数相空间重构局部多项式预测法关联积分法网络流量预测AbstractAlongwiththetechnologyofnetworkattackscontinuestoimprove，ne“vorksecurityisthreatenedasneverbefore，anditiSimperativetoimproveintrusiondetectiontechnology。Thenetworkfl

4、owhasagreatsensitivitytothenetworkattacks．ThispaperdependonchaoticdynamicscharacteristicsofthenetworktramC．applythemultivariatechaotictimeseriesanalysistheorytothepredictionofnetworktrafficforimprovingtheintrusiondetection’Saccuracyandperfornaanceofreal—time．Themainworkoft

5、hispaperisasfollows．First．authormakesaphasespacereconstructiontothenetworktra筑cdata．focusontheselectionmethodoftworeconstructionparameterswhichareembeddingdimensionandtimedelay．Thispaperhasimprovedcorrelationintegralmethod，andhasappliedthemethodtomultivariatetime-seriesana

6、lysis，andfinallyhasadoptedthemethodaftercomparingdifferentselectedmethodofparameters．Theexperimentalresultsshowthatthismethodhasabettereffectinthepredictionofnetworktraffic．Secondly，thepaperuselocalpolynomialpredictionmethod，thelocalaveragepredictionmethodandlocallinearpre

7、dictionmethodinthenetworktrafficprediction．Havingcomparedthesethreemethods．authorfotmdthatthelocalpolynomialpredictionmethodiSmoreaccuracy．Subsequently,thelocalpolynomialpredictionmethodisextendedtothemultivariatetimeseries．Theexperimentalresultsshowthatmultivariatetimingo

8、flocalpolynomialpredictionmethodhasabeRerpredictioneffect．Finally,theauthorpreparedanetwo