软件定义网络中的异常流量检测研究进展

软件定义网络(software defined networking,简称SDN)是一种新型的网络架构.SDN将控制层从数据层分离并开放网络接口,以实现网络集中控制并提高网络的可扩展性和编程性.但是SDN也面临诸多的网络安全威胁.异常流量检测技术可以保护网络安全,防御恶意流量攻击.对SDN异常流量检测进行了全面的研究,归纳了数据平面和控制平面可能遭受到的网络攻击;介绍并分析了位于应用平面、控制平面和中间平台的异常流量检测框架;探讨了异常流量识别机制、负载均衡机制、异常流量追溯机制和异常缓解机制;最后指明SDN异常流量检测在未来工作中的研究方向.     

全网异常流量簇的检测与确定机制

在网络安全管理领域,自动确定异常流量簇可为ISP分析和定位全网流量异常提供有效手段.提出了一种基于过滤的网络流数据的全网异常流量簇检测及确定机制.给出了问题的形式化描述和定义;扩展和改进了基于多维树的大流量簇检测方法,提出了灵活的"检测阈值"及"分裂值"的计算方法以改善大流量簇的检测精度;通过剪枝算法缩减了树的规模,提高了查找大流量簇的效率;给出了基于大流量簇确定异常流量簇的方法.实验表明该方法是可行的,可应用于全网异常诊断.     

基于多尺度主成分分析的全网络异常检测方法

网络异常检测对于保证网络的可靠运行具有重要意义,而现有的异常检测方法仅仅单独利用流量的时间相关性或空间相关性.针对这一不足,同时考虑流量矩阵的时空相关性,提出了一种基于MSPCA的全网络异常检测方法.该方法综合利用小波变换具有的多尺度建模能力和PCA具有的降维能力对正常流量进行建模,然后采用Shewart控制图和EWMA控制图分析残余流量.此外,还利用滑动窗口机制对MSPCA异常检测方法进行在线扩展,提出了一种在线的MSPCA异常检测方法.因特网实测数据分析和模拟实验分析表明:MSPCA算法的检测性能优于PCA算法和近期提出的KLE算法;在线MSPCA算法的检测性能非常接近MSPCA算法,且单步执行时间很短,完全满足实时检测的需要.     

基于流量模板检测网络异常流量

当前的网络异常流量检测技术侧重于采用机器学习和统计学方法,两者适用于通用网络环境。本文针对受控网络环境通信特征,提出了一种基于流量模板的网络异常流量检测方法,该方法实时抓取分析网络流量,提取网络流量头部特征和行为特征,基于网络八元组信息建立流量模板,通过匹配流量模板检测网络异常流量。实验结果表明该方法在受控网络环境下能准确检测出网络异常流量。     

一种基于xenVMI机制下的蜜网流量异常检测方法

针对目前私有云网络存在的安全隐患,提出了一种基于xen VMI机制下的蜜网流量异常检测模型。首先通过数据捕获模块截获蜜网流量;然后利用BP神经网络自主性、交互性和主动性的特征,对捕获的流量特征进行训练,得到五元组特征;再计算五元组特征的信息熵,从而判定蜜网中异常行为。实验结果表明,模型可以有效地检测蜜网中的异常,并通过对异常的分析增强私有云网络的防御能力。     

一种分布式拒绝服务攻击的检测方法

该文提出和实现了一种基于网络异常流量特征的检测模型。通过将多条链路或多个流的流量信号作为一个整体进行研究,构建了网络异常流量监控的系统模型。该模型包括了数据采集、分析、异常判断和警告等功能,并综合了异常信息融合及警告信息关联性分析技术。通过实验证明,该套系统模型对短时间段内的突发流量能提供有效的检测和报警服务。     

一种分布式拒绝服务攻击的检测方法

该文提出和实现了一种基于网络异常流量特征的检测模型。通过将多条链路或多个流的流量信号作为一个整体进行研究．构建了网络异常流量监控的系统模型。该模型包括了数据采集、分析、异常判断和警告等功能,并综合了异常信息融合及警告信息关联性分析技术。通过实验证明,该套系统模型对短时间段内的突爱流量能提供有效的检测和报警服务。     

基于信息熵的网络流异常监测和三维可视方法

通过分析网络流量可以反映网络运行情况,挖掘异常行为,感知网络安全态势。为了监测网络运行状况和流量异常情况,提高用户对网络流量态势的感知体验,针对大规模网络流量的数据量大和维度广的特点,提出了一种准实时流量数据报出机制,设计了基于三维可视化的流量监测系统,并结合基于信息熵的流量异常挖掘方法,通过人工监测和数据挖掘,实现了异常流量可视化监测,提高了异常检测成功率。给出了监测系统的设计方案和实现结果,解决了网络数据流从抽象到具象的可视化问题,提供了一种更加直观的态势展现方案,提高了用户对网络态势的感知认识能力。     

基于IP报文Identification标识的网络异常流量检测

由于相当一部分异常流量由于采用了特殊的生成机制而在结构上有别于遵循基本网络协议的正常流量,本文提出了一种基于IP报文Identification标识字段分布识别网络中异常流量的方法。通过CERNET网络不同时段的IP报文检测结果证明了该方法的准确性。     

基于熵的网络异常流量检测研究综述

网络流量异常检测及分析作为一种重要的网络监管控制手段,是网络及安全管理领域的重要研究内容.本文探讨了网络异常流量的种类,简述了基于传统的异常检测方法在网络异常流量检测中的应用以及存在的问题.针对基于信息熵、相对熵、活跃熵等熵值理论在网络异常流量检测中的研究,阐述了基于熵值理论的异常检测在国内外的研究进展情况.总结了当前基于熵值理论的异常检测研究工作中存在的问题及改进方向.     

Stochastic Resonance and Optimal Detection of Pulse Trains by Threshold Devices

The nonlinear detection by a threshold device of a periodic train of soliton-like pulses embedded in arbitrarily distributed white noise is studied. A theoretical model is developed which provides expressions for the signal-to-noise ratio at the output of the detector and for the input–output gain in signal-to-noise ratio. We analyze the properties and conditions of optimality for these quantities as functions of the parameters of the process. Especially, specific nonlinear properties not shared by linear devices are established, among which are the possibility of an input–output amplification of the signal-to-noise ratio and the demonstration that through nonlinear coupling the noise can be beneficial to the signal detection and that adding noise may result in improved performance via a mechanism known as stochastic resonance.     

基于OBLPSO-LSSVM的一氧化碳浓度检测

为了提高CO浓度检测精度,提出一种反向学习机制粒子群算法（OBLPSO）优化最小二乘支持向量机（LSSVM）的CO浓度检测模型（OBLPSO-LSSVM）。构建CO浓度检测的学习样本,输入到LSSVM中训练,通过引入反向学习机制的粒子群算法找到LSSVM的最优参数建立CO浓度检测模型,在Matlab2012平台对模型性能进行仿真测试。结果表明,OBLPSO．LSSVM可以精确描述CO检测系统的输入与输出间的非线性变化关系,提高了CO浓度检测精度,具有一定的实际应用价值。     

基于CS-SVM的氧化铝蒸发过程故障检测

针对氧化铝蒸发过程样本集中的类不平衡和故障难以实时检测问题,提出线性权重递减粒子群代价敏感支持向量机故障检测方法.深入分析氧化铝蒸发过程机理,选择合适输入条件、操作参数、状态参数作为代价敏感支持向量机的输入向量,工况样本类别作为其输出代价敏感支持向量机以最小化误分类代价为目标,利用线性权重递减粒子群优化代价敏感支持向量...     

Self-Latched Micromachined Mechanism With Large Displacement Ratio

A self-latched micromachined mechanism with large displacement ratio is presented in this paper. The large output displacement is obtained by amplifying the small input motion through the elastic deformation of the compliant configuration, which realizes the self-latched output by local bifurcation effect. The design theory and synthesis of compliant microstructures are analyzed. The numerical and analytical simulations are implemented to the linear amplification, which shows that as high as >50 times displacement magnification can be obtained. Self-latching is realized by bifurcation effect to maintain fixed output displacement even though the input goes further as indicated by the large displacement simulation. This micromachined mechanism along with a comb-drive actuator is fabricated by deep-reactive ion-etching (DRIE) process. In experiment, it measures an output displacement of 52.0 mum at an input displacement of only 0.96 mum, obtaining a displacement ratio of 54.2. For further input displacement, the output displacement remains unchanged, proving the self-latching effect     

基于相对输出信息的多智能体系统分布式故障检测

针对一类邻居控制信息未知,且节点只能获得相对输出信息的多智能体系统,研究基于未知输入观测器的分布式故障检测问题,以实现节点对自身及邻居故障的实时检测.首先,通过对节点动力学模型进行分解与变换,构造出基于相对输出信息的故障检测参考模型,并给出未知输入观测器的存在性证明;接着,设计不依赖邻居节点控制信息的未知输入观测器,突破控制信息缺失导致观测器失效的理论难题;最后,借助未知输入观测器设计故障检测算法,并完成算法的分布式实现.仿真结果验证了所提方法的有效性与先进性.     

Electrostatic comb-drive actuators made of polyimide for actuating micromotion convert mechanisms

 For conventional micromachines, in particular, micromotion convert mechanisms, the output points of the mechanism can move horizontally when input points move in the same direction. Therefore, we have proposed a three-dimensional motion convert mechanism whose output points can move vertically when the input points move in the horizontal direction. This 2-degree-of-freedom (DOF) mechanism consists of electrostatic comb-drive actuators and a basic mechanism with large-deflective elastic hinges. In this study, the characteristics of comb-drive actuators are analyzed. The electrostatic comb-drive actuator which is made up of polyimide is fabricated by CVD, RIE, Wet etching, etc., technologies. The relationship between the input (voltage) and the output (displacement) of the drive has been analyzed both theoretically and experimentally. Received: 26 December 1998 / Accepted: 4 January 1999     

基于SBWS_GPR预测模型的不确定性多数据流异常检测方法

针对实际系统中采集的数据流的不确定性,给异常点检测与修正带来了现实挑战。因此,根据滑动基本窗口采样算法(sliding basic windows sampling,SBWB)与高斯过程回归(Gaussian process regression,GPR)模型的特性,提出了基于SBWS_GPR预测模型的不确定性多数据流的异常检测方法。在基于时间序列采集的历史数据集中,引入索引号,对历史数据集进行聚类,分析数据集与索引号的映射关系,将实时获得的输入数据流通过滑动窗口匹配,实现对单数据流的异常点检测与修正。再利用输入、输出数据间的相关性,基于GPR建立预测模型,比较实时观察的输出数据流与预测模型的输出数据流,最终从输入、输出两种不同通道实现多数据流的异常检测与修正。     

磁悬浮转子微陀螺电容结构设计

为了实现磁悬浮转子微陀螺的电容检测,使用数值积分方法计算了新型磁悬浮转子微陀螺的电容值与转子倾斜角度的关系。计算确定了电容极板尺寸,电容的连接采用了差动电容的连接方式。通过电容检测电路,检测到了小角度输入范围内的陀螺输出信号。检测结果表明:该电容结构对于静态角度输入具有较好的线性响应,该微陀螺原形的电容结构能够检测到的转子倾斜角度可达到0.1°,对应的电容变化约为1 000 aF,满足了微陀螺对电容检测的要求。     

Spiking神经元输入脉冲扰动敏感性研究

脉冲神经网络是一种基于生物的网络模型,它的输入输出为具有时间特性的脉冲序列,其运行机制相比其他传统人工神经网络更加接近于生物神经网络。神经元之间通过脉冲序列传递信息,这些信息通过脉冲的激发时间编码能够更有效地发挥网络的学习性能。脉冲神经元的时间特性导致了其工作机制较为复杂,而spiking神经元的敏感性反映了当神经元输入发生扰动时输出的spike的变化情况,可以作为研究神经元内部工作机制的工具。不同于传统的神经网络,spiking神经元敏感性定义为输出脉冲的变化时刻个数与运行时间长度的比值,能直接反映出输入扰动对输出的影响程度。通过对不同形式的输入扰动敏感性的分析,可以看出spiking神经元的敏感性较为复杂,当全体突触发生扰动时,神经元为定值,而当部分突触发生扰动时,不同突触的扰动会导致不同大小的神经元敏感性。     

Active fault detection based on set‐membership approach for uncertain discrete‐time systems

Active fault detection facilitates determination of the fault characteristics by injecting proper auxiliary input signals into the system. This article proposes an observer‐based on‐line active fault detection method for discrete‐time systems with bounded uncertainties. First, the output including disturbances, measurement noise and interval uncertainties at each sample time is enclosed in a zonotope. In order to reduce the conservativeness in the fault detection process, a zonotopic observer is designed to estimate the system states allowing to generate the output zonotopes. Then, a proper auxiliary input signal is designed to separate the output zonotopes of the faulty model from the healthy model that is injected into the system to facilitate the detection of small fault . Since the auxiliary input signal generation leads to a nonconvex optimization problem, it is transformed into a mixed integer quadratic programming problem. Finally, a case study based on a DC motor is used to show the effectiveness of the proposed method.