城域网应用层流量异常检测与分析*

首先对流量数据按应用层协议进行分类分析,采用小波分析对原始流量数据进行去噪处理,建立流量数据矩阵;然后采用主元分析（PCA）方法进行流量建模;在此基础上,通过SPE统计量的控制图能快速检测出流量异常,结合SPE统计量的贡献图可以分析出导致异常的主要原因。实验结果表明,小波去噪能降低异常检测的误警率,SPE贡献图可有效分析流量异常的原因。     

浅谈运营商异常流量清洗手段的部署和运用

随着互联网的高速发展,其已经渗入到人们生活的方方面面,对经济和社会有着重大的影响。但近年来出现了大量的DDoS攻击事件,给互联网带来了很大冲击,严重影响了业务的可用性、用户的感知,以及给营运商造成了重大经济损失。在大流量的DDoS攻击面前,传统的安全防护设备显得那么无能为力,如何有效抵御DDoS攻击是每个运营商无法回避的难题。在深入分析DDoS攻击特征的前提下,探索性地将异常流量清洗设备引入到运营商的网络中,并成功防御了多次DDoS攻击事件,为解决难题指出了一条可行道路。     

城域网P2P流量预测模型研究

网络流量测量与建模对网络管理有着重要的意义。为了合理规划P2P网络资源,提出了一种基于小波与时间序列分析的P2P流量预测模型。通过对原始序列的小波分解与单支重构,并使用了所提出的一种统计分析方法对流量进行平稳化处理,针对各分支特点分别采用ARMA和ARIMA模型进行预测,最后组合各分支的预测结果获得最终预测值,并对该预测值使用动态指数平滑模型进行优化。实验结果表明,对比已有的方法,这种方法具有更高的预测精度。