互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

城域网应用层流量异常检测与分析


  摘 要:首先对流量数据按应用层协议进行分类分析,采用小波分析对原始流量数据进行去噪处理,建立流量数据矩阵;然后采用主元分析(PCA)方法进行流量建模;在此基础上,通过SPE统计量的控制图能快速检测出流量异常,结合SPE统计量的贡献图可以分析出导致异常的主要原因。实验结果表明,小波去噪能降低异常检测的误警率,SPE贡献图可有效分析流量异常的原因。

  关键词:主元分析; 小波去噪; 平方预测误差统计量; 贡献图

  中图分类号:TP393.1文献标志码:A

  文章编号:1001-3695(2010)06-2222-04

  doi:10.3969/j.issn.1001-3695.2010.06.064

  Detecting traffic anomalies at application layer in metro area network

  PEI Wei1, YUAN Xiao-fang1, WANG Dong1, DONG Zhi-chao1, XIE Gao-gang2

  (1.College of Computer & Communication, Hunan University, Changsha 410082, China; 2.Next Generation Internet Research Center, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China)

  Abstract:This paper constructed a traffic data matrix with the application layer metrics provided by the measurement system developed by ourselves. Applied wavelet analysis to deal with the noise of raw data, an

  d then used PCA method to model the traffic. Experiments show that traffic anomalies can be effectively monitored with SPE statistic, and the main causes of the anomalies can be found out with contribution plot of SPE statistic.

  Key words:principal component analysis(PCA); wavelet denoising; squared prediction error(SPE) statistic; contribution plot

......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017