分布式SOM结合K-均值聚类的软件定义网络泛洪攻击检测方法

来源 :计算机应用研究 | 被引量 : 6次 | 上传用户:wangliang19910125
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对软件定义网络(SDN)泛洪攻击导致的上层性能瓶颈和过载问题,提出一种分布式自组织映射(DSOM)结合K-均值聚类的网络流量攻击检测方法。首先,位于应用层的DSOM控制器将现有数据集发送给集成了DSOM扩展包的交换机,在每个交换机上分别训练DSOM映射;然后,在预定时间内合并DSOM映射;最后,DSOM控制器将合并后的DSOM映射发送到所有Open Flow交换机,利用K-均值聚类完成最终的分类。实验结果表明,DSOM方案能够有效检测异常流量、解决瓶颈问题,相比传统方法具有一定的优势。此外,该方法
其他文献
为了了解畜牧产业发展现状,查找制约产业发展的问题,在我县贫困乡镇规模化、标准化养殖场开展了调查,畜牧产业发展的主要问题是意识减化、基层服务体系不完善、龙头企业发展
以应用题自动求解为目标,以高考入学考试数学试卷中的分层抽样应用题为研究对象,重点研究了分层抽样应用题的句子语义角色识别方法。根据分层抽样的原理,首先定义了分层抽样题意表征中的五种核心语义角色,分别为总体、样本、总体中的层、样本中的层和实体之间的关系。基于这五种语义角色,应用题题意理解中的核心问题被转换为对应用题文本中的句子进行语义角色判定。提出了一种基于特征词与n-gram模型相结合的句子语义角色
相似性计算是协同过滤推荐的关键步骤。针对传统相似性计算认为相似关系是对等的且没有考虑消费顺序和时间间隔的问题,提出了基于时序逆影响的随机游走推荐算法。首先,基于用户时序关联图提出一种新的称为时序逆影响的相似性度量,利用随机游走得到了目标用户近邻集合;其次,利用随机游走在项目时序关联图上进一步改进推荐的多样性和覆盖率。它不但认为用户间相似是不对称的,考虑了用户消费项目的顺序和时间间隔,获得了用户全局
针对在互联网络服务中,进一步提升网络视频流量预测的精度以优化网络资源配置和满足用户需求的问题进行了研究,并对如何自适应选取网络视频流量时间序列中有效且必需的历史信息进行了探索,提出一种基于生物地理学优化算法优化极限学习机的BBO-ELM预测模型。在ELM预测模型的基础上,将BBO优化算法用于ELM的网络输入变量、隐含层节点的配置及参数、Tikhonov正则化参数的优化选取。为验证所提出方法的有效性
近邻传播(affinity propagation,AP)算法是一种具有较高准确度的聚类算法,但是其具有较高的时间复杂度,且无法有效聚类结构松散数据。针对这两个问题,提出了一种基于MapReduce的半监督近邻传播算法(MRSAP)。首先利用MapReduce编程框架,在各个数据节点上运行AP算法,得到局部的聚类中心,以及代表每一个局部聚类中心成为全局聚类中心可能性的决策系数;然后综合局部聚类中心