计算机科学 ›› 2012, Vol. 39 ›› Issue (12): 38-41.
许 倩,程东年,张建辉,程国振
摘要: 多数识别技术通过建立流特征的正常模型来识别偏离的流,但流特征有较强的可变性,建立这样精微的模型非常困难。异常的发生通常会引起流量地址或端口在分布上的变化,分布的分散或集中程度可用特征嫡来衡量。因此提出基于特征嫡的异常流识别技术(Entropy of Characteristics based Anomaly Traffic Identification,ECATI),即利用特征嫡依据流量特征参数的分布变化检测异常,通过分析异常间隔的流量迭代地排除类似正常的流,从而识别根源流。经过手动标记和人工注入异常的仿真实验证实,所提算法能精确地识别出异常流,在平均识别率89.5%%的情况下几乎没有丢失流。识别算法能精确地诊断网络扫描、DDoS攻击和链路失败等多种异常类型。
No related articles found! |
|