Ethereal工具在园区网络维护中的应用

介绍在故障点的三层交换机上,使用Windows的超级终端程序捕获其接收的数据包,将捕获数据包的十六进制数据整理后存为扩展名为.txt的文本文件,利用Ethereal工具所带text2pcap.exe程序,把这个.txt的文本文件转换生成libpcap格式的文件,然后使用Ethereal工具对捕获的数据包进行分析,查找造...     

针对IPv4协议的容错解码算法研究

在易错网络中传输IP (因特网协议)数据包时,除了网络拥塞之外,信道误码也容易导致数据包丢失。丢包对信源恢复会造成较大影响。为了降低误码导致的丢包率,该文研究了IPv4协议解码的可靠性问题,分析了IPv4(因特网协议版本4)协议各字段之间的相关性,建立了IPv4协议容错解码的理论模型,利用最大后验概率推导出容错解码的准则。在该基础上提出一种以分段方式估计协议字段的算法,实验结果表明该算法大大增强了IPv4协议解码的纠错能力。     

基于扩展头随机标记的IPv6攻击源追踪方案

针对IPv4网络环境下的随机包标记法不能直接应用于IPv6的问题,依据IPv6自身的特点提出了一种基于扩展报头随机标记的IPv6攻击源追踪方案。对IPv6报头进行分析研究,选取了合适的标记区域及编码格式,对PMTU算法进行了修改以更好地满足追踪的需要,采用攻击树生成算法重构攻击路径。理论分析与仿真实验结果表明,该方案能够有效地重构攻击路径,实现对IPv6攻击源的追踪。     

域名信息主动获取及备份系统的设计和实现*

为解决因国外根/顶级域名系统无法提供域名解析服务而影响我国互联网正常运行的问题,设计并实现了一种高效的DNS信息获取及备份恢复系统。通过被动获取DNS数据包与主动发送DNS请求相结合的方式,可获取网络中活跃的域名信息。利用基于可变长请求队列的发送速度自适应方法来有效控制请求效率,以适应网络带宽和DNS服务器负载。详细介绍了整个系统的设计和实现,并进行了性能测试与分析。该系统对建设国家根/顶级域名备份恢复系统具有重要参考价值。     

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

基于RBF神经网络的HTTP异常行为自动识别方法

随着互联网的高速发展和用户规模的不断扩大,各种针对网络服务端的攻击不断增加。目前大部分的网络防护措施主要针对对网络层和传输层的攻击,对针对应用层的攻击几乎没有防护能力,但越来越多的针对Web的攻击通过应用层完成。文章提出一种基于RBF神经网络的HTTP攻击行为自动识别方法。该方法通过模拟基于HTTP协议的正常行为和异常行为,对获取的Web通信过程中的数据包包体内容进行分析,结合数据包包头的相关信息,构造基于HTTP协议的网络行为。通过大量的模拟实验,形成大量的基于HTTP协议的正常行为记录和异常行为记录,再使用这些行为记录训练基于径向基函数的神经网络。系统可以利用训练好的神经网络从当前的基于HTTP协议的网络行为中自动识别异常HTTP行为,再将识别出的异常HTTP行为存入异常HTTP行为库中。     

基于Packet Tracer的“信息安全”教学实例

针对"信息安全"课程教学过程中内容枯燥、演示实验搭建复杂、演示效果不佳的状况,在分析现有实验演示工具的基础上,提出基于Packet Tracer进行信息安全实验演示,并给出了数个实例,经实际教学反馈,收到良好的教学效果。     

基于SIP的多区域监控融合技术研究与实现

随着视频监控“大联网”大趋势的展开,国家标准的正式施行表明视频监控“大联网”已经成为必然趋势。为解决基于SIP协议的集中监控管理系统中负载过重的问题,提出了一种新型的基于SIP协议的跨区域分层SIP监控系统集成平台。该平台包括分层设计、模型结构、远程控制和智能监控功能的设计等综合多功能集中监控平台。系统采用网络技术、传输技术、组包技术、交换技术、储存器技术、服务器技术和基于网络分层的开放的会话发起协议（ SIP）架构,系统的各成员之间可以在域内处理大量的信令信息和媒体流信息,具有可扩展性、智能性、灵活性、自主性和互操作性等多种优点,可以解决跨区域监控系统集中管理中的负载过重问题并提供响应更灵活方便的控制及扩展功能。     

企业内部信息系统的故障监控研究与应用

针对大型企业内部网络中信息系统的故障监控缺乏有效手段的问题,从Web网页、应用服务器、数据库服务器、服务器网络硬件、C/S系统等多个角度入手进行研究,提出一个对内网信息系统进行实时监控的故障监控系统,并详述了它的工作流程和实现细节。目前实现的系统通过试用效果良好,方案亦被证明是行之有效的,并可在相近环境中推广应用。     

基于t-SNE降维预处理的网络流量异常检测

网络流量中大多数流量都是正常的,但经常会出现偏离正常范围的异常流量,主要由DDOS攻击、渗透攻击等恶意的网络行为引起,这些异常行为通常会导致网络质量下降,甚至网络直接瘫痪。因此引入网络安全态势的预测,在仅知道正常网络流量的情况下判断网络中的异常。异常检测是一种网络安全态势的预测方法,用来判断网络中是否有异常。现有的异常检测算法由于无法准确提取网络数据包的低维特征导致算法的性能不佳,因此,需要找到网络数据包的准确的低维特征表示,该低维特征表示能够区分网络数据包是正常的还是有攻击的。为此,本文引入基于t-SNE降维的NLOF异常检测算法。该算法采用t-SNE算法自动预处理网络数据包以获得低维的网络数据包特征,之后将得到的低维的网络数据包特征作为NLOF算法的输入进行异常检测。其中,本文的NLOF算法首先采用k-means算法将网络数据包聚类成为K个簇,并将网络数据包数量小于N个的簇标记为异常簇,之后将未被标记为异常簇的网络数据包作为LOF算法的输入进行异常检测。在ISCX2012数据集上的实验结果表明,基于t-SNE降维的LOF算法达到最优性能时,准确率为98.46%,精确度为98.38%,检测率为98.54%,FAR为0.66%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.18个百分点、0.02个百分点和0.01个百分点。基于t-SNE降维的NLOF算法达到最优性能时,准确率为98.53%,精确度为98.86%,检测率为98.86%,FAR为0.32%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.25个百分点、0.34个百分点和0.41个百分点。这是异常检测中首次采用t-SNE算法自动提取低维的网络数据包特征。此外,LOF算法仅能捕获异常点,而本文的NLOF算法能够同时捕获异常点和异常簇。