A transform domain-based anomaly detection approach to network-wide traffic

ناهنجاری های ترافیکی حاوی تغییرات غلط موجود در ترافیک شبکه است که از رفتارهای مخرب و غیرعادی کاربران یا دستگاه های شبکه مانند گسل شبکه، سوء استفاده، حملات شبکه و غیره حاصل می شود. این ناهنجاری ها اغلب به شبکه های عملیاتی آسیب می رسانند و حتی منجر به اختلالات شبکه می شوند. در مقاله حاضر، ما یک روش جدید برای شناسایی ناهنجاری های ترافیکی در یک شبکه با تهیه و تدوین ویژگی های آنها در حوزه تبدیل پیشنهاد می کنیم. در اینجا، ما در نظر گرفتن اطلاعات توپولوژی شبکه و ترافیک شبکه به طور مشترک. ما متوجه می شویم که ترافیک شبکه بی نهایت اغلب ماهیت متمایز با فرکانس بالا را نشان می دهد. این باعث می شود ما از تئوری تحلیل تحول دامنه استفاده کنیم تا ترافیک شبکه را مشخص کنیم تا اجزای غیر عادی آن را شناسایی کنیم. علاوه بر این، ما تمام جریانهای مقصد اصلی را در شبکه با توجه به گره های مشترک مشترک گروه بندی می کنیم. با ترکیب اطلاعات توپولوژی شبکه و تجزیه و تحلیل دامنه تحول در پنجره زمان داده شده، اجزای ترافیک عجیب و غریب می تواند یافت و شناسایی شود. نتایج شبیه سازی نشان می دهد که الگوریتم تشخیص ما توانایی تشخیص نسبتا قوی دارد و عملکرد تشخیص بهتر از الگوریتم های قبلی را فراهم می کند.