基于特征熵的异常流识别技术

• 作者: 张建辉 程东年 程国振 许倩
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 特征熵 指数平滑法 分割缩减 异常流识别
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 38-41,69
• 页数: 5页
• 分类号: TP393.08
• 字数: 7278字
• 语种: 中文

摘要

多数识别技术通过建立流特征的正常模型来识别偏离的流,但流特征有较强的可变性,建立这样精微的模型非常困难.异常的发生通常会引起流量地址或端口在分布上的变化,分布的分散或集中程度可用特征熵来衡量.因此提出基于特征熵的异常流识别技术(Entropy of Characteristics based Anomaly Traffic Identification,ECATI),即利用特征熵依据流量特征参数的分布变化检测异常,通过分析异常间隔的流量迭代地排除类似正常的流,从而识别根源流.经过手动标记和人工注入异常的仿真实验证实,所提算法能精确地识别出异常流,在平均识别率89.5％的情况下几乎没有丢失流.识别算法能精确地诊断网络扫描、DDoS攻击和链路失败等多种异常类型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程东年		43	237	8.0	14.0
2	张建辉		39	157	6.0	9.0
3	程国振		29	149	7.0	11.0
4	许倩		3	9	2.0	3.0