[发明专利]一种基于分布式探针监测的网络业务异常侦测方法

权利要求书

1.一种基于分布式探针监测的网络业务异常侦测方法，其特征在于，包括如下步骤：

步骤1：利用贝叶斯网络估计流量矩阵；

设计一种贝叶斯网络架构，通过有向无环的贝叶斯网络节点间的因果关系和强度，刻画网络流量的多分形特性，对于贝叶斯网络参数，利用流量矩阵先验测量值计算网络参数的极大后验概率估计值，结合贝叶斯网络架构和参数，生成流量矩阵的初始估计值，最后，运用正则化优化模型求解流量矩阵；

其中，步骤1具体包括如下步骤：

步骤11：构建一个有向无环图；

步骤12：根据已测得的流量矩阵、有向无环图计算

步骤13：根据步骤12获得的参数估计值随机生成流量矩阵初始估计值；

步骤14：根据正则化优化模型计算最终的流量矩阵估计值；

其中，步骤11：构建一个有向无环图的方法如下：

贝叶斯网络是一个概率图模型，它由一个有向无环图和一组随机变量X(q)，其中，q＝1,2,...,Q，而Q表示节点数目及其条件概率分布Θ＝(θ_n,1,θ_n,2,...,θ_n,Q)构成，从而贝叶斯网络可由一个二元组表示，即B＝(G,Θ)，其中G＝(V,E)为一个有向无环图，V和E分别为节点集和有向边集；Θ是向量，表示所有节点的条件概率分布，有向无环图中的有向边描述了节点之间的因果联系，概率分布则描述了节点之间的影响强度，假设节点数为Q＝|V|，则贝叶斯网络定义了随机变量X(q)，以及联合概率密度函数：

其中，π_X(q)表示图G中节点X(q)的父节点；

设计一种有向无环图架构建模端到端网络流量的因果关系，构建的贝叶斯网络架构的节点数量为Q＝CT′，其中C和T′均为常数，节点首先依次相连形成链式结构，有向无环图中所有的节点集可以分为C个子集，每个子集包含T′个节点，并且第c个子集中的第t′个节点分别与第c+1、c+2、…、C子集中的第t′个节点相连；

步骤2：利用流量矩阵进行网络异常检测；

贝叶斯模型被用来进行异常诊断，对于异常诊断，通过一组网络业务流量训练数据来使贝叶斯网络学习，根据训练数据集间的联合概率分布，随机生成一个流量矩阵作为网络异常 诊断的预测因子；将网络探针分布式部署到不同的网络节点，利用预测因子进行网络异常检测。

2.根据权利要求1所述的一种基于分布式探针监测的网络业务异常侦测方法，其特征在于，还包括：

步骤3：利用两个骨干网Abilene和的真实数据仿真分析该基于分布式探针监测的网络业务异常侦测方法的有效性和算法的整体性能。