基于多尺度特征融合的异常流量检测方法

摘要：

快速、准确地检测异常是网络安全的重要保证.但是由于网络流量的非线性、非平稳性以及自相似性,异常流量检测存在误报率高、检测率低、不能满足骨干网实时性要求等问题.该方法综合了希尔伯特-黄变换( HilbertHuang Transform,HHT)和Dempster-Shafer证据理论(D-S evidence theory)评测框架.前者将不同的流特征分别分解为多时间尺度上的固有模态函数(Intrinsic Mode Function,IMF),滤除特征中的非线性、非平稳分量；后者将前者分解得到的多尺度特征作为证据融合并最终做出决策.通过对KDD CUP 1999的入侵检测系统(Intrusion Detection System,IDS)基准数据的实验表明,该方法能有效区分突发流量(crowd flow)和拒绝服务攻击(Denail of service,DoS)攻击流,整体上在保证低误报率前提下检测率达到85.1％.目前该方法已经作为入侵检测的子模块实现,并试用于某骨干网入口处检测异常.

关键词：异常检测、拒绝服务攻击、希尔伯特-黄变换、D-S证据理论

所属期刊栏目：39

分类号：TP393(计算技术、计算机技术)

资助基金：国家高技术研究发展计划2009AA01A346;国家"十一五"科技支撑计划2008BAH37B02

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：42-46