面向服務(wù)的云計(jì)算系統(tǒng)風(fēng)險(xiǎn)評(píng)測(cè)模型研究.pdf

1、云計(jì)算是集群計(jì)算、并行計(jì)算、網(wǎng)格計(jì)算不斷發(fā)展的新一代產(chǎn)物，融合了分布式計(jì)算的多種概念和技術(shù)。云計(jì)算環(huán)境典型呈現(xiàn)出大規(guī)模分布式、結(jié)構(gòu)復(fù)雜化、架構(gòu)多樣化、運(yùn)算動(dòng)態(tài)化和服務(wù)虛擬化的特點(diǎn)，其中虛擬化技術(shù)是云計(jì)算的關(guān)鍵技術(shù)之一。虛擬化對(duì)面向服務(wù)(Web Service)提供為主的云計(jì)算系統(tǒng)供應(yīng)商提出了更高的安全和質(zhì)量要求，而傳統(tǒng)研究大多聚焦于信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估和網(wǎng)絡(luò)入侵檢測(cè)等領(lǐng)域，缺乏針對(duì)云計(jì)算的深入探索，因此進(jìn)行面向服務(wù)的云計(jì)算系統(tǒng)風(fēng)險(xiǎn)評(píng)測(cè)研究是

2、十分必要的。
　　本論文在對(duì)比研究信息系統(tǒng)風(fēng)險(xiǎn)評(píng)測(cè)技術(shù)的基礎(chǔ)上，建立了一個(gè)面向服務(wù)的云計(jì)算系統(tǒng)風(fēng)險(xiǎn)評(píng)測(cè)模型。該模型以虛擬機(jī)節(jié)點(diǎn)和服務(wù)組件為中心進(jìn)行分布式動(dòng)態(tài)風(fēng)險(xiǎn)監(jiān)測(cè)，并采用預(yù)測(cè)算法實(shí)現(xiàn)風(fēng)險(xiǎn)值的實(shí)時(shí)預(yù)測(cè)，最終提供系統(tǒng)整體的風(fēng)險(xiǎn)評(píng)估等級(jí)。該模型能對(duì)云計(jì)算系統(tǒng)的風(fēng)險(xiǎn)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)、識(shí)別、預(yù)測(cè)和評(píng)估，對(duì)系統(tǒng)局部和整體均具有較好的風(fēng)險(xiǎn)評(píng)測(cè)效果，可為云計(jì)算系統(tǒng)SLA（Service Level Agreement服務(wù)等級(jí)協(xié)議）和QoS（Qual

3、ity of Service服務(wù)質(zhì)量）服務(wù)選擇提供參考基準(zhǔn)策略。研究工作主要圍繞以下三個(gè)方面進(jìn)行:
　　1、提出了基于LSA-GCC(Latent Semantic Analysis-Generalized Clusterbased Classifier潛在語義分析和廣義聚類分類器)的風(fēng)險(xiǎn)識(shí)別方法。該方法通過采集操作系統(tǒng)和Web服務(wù)進(jìn)程的日志進(jìn)行風(fēng)險(xiǎn)前饋?zhàn)R別，實(shí)現(xiàn)虛擬節(jié)點(diǎn)的底層粒度風(fēng)險(xiǎn)識(shí)別。此基礎(chǔ)上采用改進(jìn)的LSA-SAM(Lat

4、ent Semantic Analysis-Secutity Assessment Model潛在語義分析安全評(píng)估模型)進(jìn)一步提高檢測(cè)異常事件的準(zhǔn)確率。最后針對(duì)LSA-GCC和LSA-SAM分別采用MapReduce加速。實(shí)驗(yàn)結(jié)果表明風(fēng)險(xiǎn)識(shí)別加速比可分別達(dá)到12.56和15.3，具有較好的風(fēng)險(xiǎn)識(shí)別效果，即可作為虛擬節(jié)點(diǎn)安全防御的參考依據(jù)，同時(shí)也作為風(fēng)險(xiǎn)預(yù)測(cè)的主要指標(biāo)參數(shù)。
　　2、提出了結(jié)合RBF（Radial Basis Fun

5、ction徑向基神經(jīng)網(wǎng)絡(luò)）和AHP(Analytic Hierarchy Process層次化分析法）的層次化神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)預(yù)測(cè)方法。該方法使用AHP構(gòu)造帶權(quán)重矩陣的風(fēng)險(xiǎn)層次化模式，模型由P（性能）、T（時(shí)間）、A（事件統(tǒng)計(jì)）、R（風(fēng)險(xiǎn)識(shí)別）四個(gè)指標(biāo)和各指標(biāo)的采集參數(shù)構(gòu)成，并采用MRPGA并行遺傳算法對(duì)RBF的核函數(shù)優(yōu)化。實(shí)驗(yàn)結(jié)果顯示，基于MRPGA-RBF并行遺傳神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)預(yù)測(cè)方法得到的預(yù)測(cè)值和風(fēng)險(xiǎn)值高度一致，預(yù)測(cè)效果良好。

6、　　3、提出了基于云重心理論的系統(tǒng)風(fēng)險(xiǎn)評(píng)估方法。該方法采用逆向云發(fā)生器將各虛擬節(jié)點(diǎn)的風(fēng)險(xiǎn)預(yù)測(cè)值生成云滴后分別匯聚為五個(gè)指標(biāo)云，再根據(jù)權(quán)重矩陣產(chǎn)生綜合云，從而完成風(fēng)險(xiǎn)預(yù)測(cè)值到風(fēng)險(xiǎn)等級(jí)的定量轉(zhuǎn)定性計(jì)算，實(shí)現(xiàn)對(duì)云計(jì)算系統(tǒng)的整體風(fēng)險(xiǎn)進(jìn)行宏觀評(píng)估。在此基礎(chǔ)上用風(fēng)險(xiǎn)等級(jí)作為QoS主約束實(shí)現(xiàn)Web服務(wù)選擇。通過與LRU(Least Recently Used最近最少使用)及MAIS(Multichannel Adaptive Information