面向云監(jiān)控的數據融合分析方法.pdf

1、云安全問題日益突出，人們對合理的云安全監(jiān)控、評估與預測系統(tǒng)的需求也日益迫切。而針對云數據的融合分析技術可以為云安全監(jiān)控提供直接的證據支持，是云安全監(jiān)控的重要組成部分。但云環(huán)境結構復雜，云數據具有量大，時間、空間、語義等多方面異構性，傳統(tǒng)的數據融合分析技術不能很好地適應這些特性，從而嚴重阻礙了云安全監(jiān)控的發(fā)展。
　　傳統(tǒng)的數據融合分析技術分為三個級別，每個級別的融合原理和算法不相同，既可以組合使用，也可以單獨使用。但是組合使用時分析

2、層次過多，會產生較大的系統(tǒng)開銷；而單獨使用的準確性低，不合適云安全監(jiān)控系統(tǒng)。據此，論文提出了一種改進的數據級和決策級兩層數據融合分析模型，兩層融合彌補前述三層分析模型的不足，使分析結果更加準確。
　　傳統(tǒng)的關聯(lián)規(guī)則算法采用串行方式進行數據級融合分析，執(zhí)行效率低，生成的候選項集多，內存占用大，不適合云監(jiān)控系統(tǒng)。論文提出了改進的基于Map-Reduce的并行Apriori算法。首先進行預處理，將原數據庫轉化為Bool項目數據庫，用位圖

3、法進行存儲；其次，采用Hash表對數據進行劃分，讓IP相同的數據分布在同一數據塊中；再次，對 Map函數進行改進，采用多叉樹結構進行頻繁項集存儲，并用Reduce函數對多叉樹進行合并。最后，通過實驗驗證論文提出的Apriori算法比已有的算法效率高，且規(guī)則分析的準確性也有所提高。
　　在決策級數據融合分析中，傳統(tǒng)方法生成博弈模型效率較低，論文提出了一種并行隨機博弈模型生成算法，首先根據云環(huán)境的拓撲結構進行并行計算，生成隨機petr