[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

说明书

一种基于分布式探针监测的网络业务异常侦测方法，包括如下步骤：步骤一：设计一种贝叶斯网络架构，并利用所述贝叶斯网络架构估计流量矩阵；步骤二：利用流量矩阵进行网络异常检测，其中，步骤一包括：设计一种贝叶斯网络架构；计算网络参数的极大后验概率的估计值；生成流量矩阵的初始估计值；估计流量矩阵；步骤二包括：通过一组网络业务流量训练数据使贝叶斯网络学习；随机生成一个流量矩阵作为网络议程诊断的预测因子，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。该基于分布式探针监测的网络业务异常侦测方法通过分布式侦测方式，能有效的侦测和发现网络中的网络业务流异常，从而有助实现安全的网络业务传输。

技术领域

本发明属于云计算技术领域，特别是涉及一种基于分布式探针监测的网络业务异常侦测方法。

背景技术

信息和通信技术的发展极大地改变了人类生活和生产方式，智能电网、办公自动化等基于Internet技术的业务已经进入人们生活当中。此外，智慧城市、大数据等先进信息理念和技术的提出，对未来人类社会的发展起到了积极的推动作用。Internet的发展使得网络规模急剧增大，网络承载业务类型呈多样化发展，特别是云计算、物联网的兴起使得网络已经成为一个复杂的异构网络。网络的发展在给我们提供更多服务和应用的同时，也带来了一系列网络安全问题。为了防止网络拥塞和抵御DDoS(Distributed Denial ofService)等网络攻击，以此为用户提供有保障的服务质量，有效的网络管理成为维持网络正常运行的关键环节。因此，需要一种智能的网络业务异常侦测方法，以保证用户的满意度。

网络管理者在执行网络管理决策时，需要了解网络运行状态，例如时延、丢包率、吞吐量、带宽和网络流量等等。网络测量技术为网络管理者获取实时网络状态提供了必要的解决方案和技术支持。为了有效地实施网络规划、负载均衡机制、IGP(Interior GatewayProtocol)链路权重设置算法、网络故障诊断和异常检测等网络管理操作，网络管理者需要了解网络中各节点间端到端的数据包转发情况。流量矩阵描述了网络中源-目的 (Origin-Destination，OD)节点间的网络流量动态变化情况，是网络管理的重要依据和输入参数。

流量矩阵是很多网络管理功能的重要参考依据。但是，在当前网络结构下，流量矩阵估计本质上是具有高度病态特性的反问题。因此，如何克服流量矩阵估计的病态特性对于获取准确的流量矩阵具有重要的理论和现实意义。

当前，已经有一些关于网络业务异常侦测方法的研究成果。早期的研究主要集中于统计模型方法，这一类方法将网络流量建模为服从特定分布的随机变量，以此达到对网络层析成像问题进行降维的目的。典型的统计模型方法包括Poisson模型、Gaussian模型、Markov模型和ARIMA模型等等。

然而，网络业务类型不断的增多，以及网络规模日趋庞大，使得网络流量的统计特性愈加复杂，因此简单的统计模型很难完整刻画当前网络流量的统计特性。

发明内容

针对现有技术存在的缺点，为了能可靠和准确地估计流量矩阵，并且能够通过估算出的流量矩阵来进行网络诊断，本发明提出了一种基于分布式探针监测的网络业务异常侦测方法。

本发明提供了一种基于分布式探针监测的网络业务异常侦测方法，包括以下步骤：

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；

步骤2：利用流量矩阵进行网络异常检测；