基于SVM的BGP異常流量檢測(cè).pdf

1、隨著信息技術(shù)的高速發(fā)展，互聯(lián)網(wǎng)已成為我們社會(huì)基礎(chǔ)設(shè)施的一部分。然而，互聯(lián)網(wǎng)域間路由中的邊界網(wǎng)關(guān)協(xié)議卻存在許多問題，如易受蠕蟲等病毒與DoS的攻擊、以及協(xié)議本身缺乏安全機(jī)制等。為保證自治系統(tǒng)中域間路由系統(tǒng)的穩(wěn)定與安全，本文主要研究了基于SVM的BGP異常流量檢測(cè)。具體包括： 1.基于特征選擇的SVM學(xué)習(xí)算法的研究。由于BGP異常數(shù)據(jù)的小樣本特征，將SVM引入BGP異常流量的檢測(cè)中。另外，由于BGP數(shù)據(jù)的高維性給計(jì)算機(jī)的運(yùn)算、存儲(chǔ)空

2、間、識(shí)別速度帶來不利影響。為降低特征空間維數(shù)，縮減度量和存儲(chǔ)要求，采用基于特征選擇的SVM學(xué)習(xí)算法。將特征選擇過程和學(xué)習(xí)過程有機(jī)地統(tǒng)一起來，通過對(duì)特征的權(quán)重進(jìn)行排序來實(shí)現(xiàn)特征選擇。 2.BGP數(shù)據(jù)非平衡分布的處理。由于BGP數(shù)據(jù)中兩類樣本在分布上的非平衡性，使得在SVM的訓(xùn)練過程中，兩類樣本對(duì)決策超平面的構(gòu)成的過程中影響力度會(huì)有所不同，導(dǎo)致最終的決策函數(shù)有偏差，使得分類能力有所降低。因此本文引入U(xiǎn)nder-sampling算法對(duì)