论文部分内容阅读
网络流量异常是指网络的流量行为偏离其正常行为的情形,具有发作突然、先兆特征未知的特点,有可能在短时间内给网络及其设备带来极大的伤害。快速、准确的检测出网络异常流量并做出合理的响应已成为目前国内外学术界和工业界广泛关注的前沿科学问题之一,而流量异常检测的核心问题之一是如何提高检测的实时性。研究表明流量信号的时频特征分析是流量异常检测的有效手段,而时频特征分析的有效手段之一是对流量信号进行Hilbert变换以获得流量信号的瞬时参数(瞬时振幅、瞬时频率等),同时使用这些参数有利于检测不同的网络流量异常,降低流量异常检测的误检率和漏检率。Hilbert变换通常在一定的时窗内进行,前后相邻的两个时窗通常会有重叠的部分(即数据相同的部分),分别在这两个时窗内进行的Hilbert变换必然有重复计算的部分。针对该问题,本文提出滑动时窗条件下的Hilbert变换快速算法,并应用于流量异常检测,主要工作包括:(1)对Hilbert变换进行研究分析,根据流量信号的特点,为提高流量异常检测的抗噪能力,选择广义Hilbert变换进行时频分析;为能清晰地刻画信号能量随时间、频率的分布,还可选择Hilbert-Huang变换进行流量信号时频分析。(2)针对传统Hilbert变换需要在频率域进行大量计算,时间域窗口的重叠特性难以利用的缺陷,选择时间域加窗Hilbert变换进行研究。提出滑动时窗条件下时间域加窗Hilbert变换的快速算法,提高了流量异常检测过程中Hilbert变换的实时性。(3)对Hilbert-Huang变换进行研究,提出了滑动时窗条件下Hilbert-Huang变换的快速算法,提高了流量异常检测过程中Hilbert-Huang变换的实时性。(4)将我们提出的两种快速算法应用于网络流量异常检测,引入方差分析方法对历史窗口和检测窗口内流量信号的瞬时振幅进行方差分析,实现了对流量异常的快速检测,提高了流量异常检测的实时性。仿真实验证明了方法的有效性。