[发明专利]基于异常反馈的NetFlow采样处理方法有效
申请号: | 201610940054.5 | 申请日: | 2016-11-01 |
公开(公告)号: | CN106603326B | 公开(公告)日: | 2020-06-05 |
发明(设计)人: | 李千目;张文强;戚湧;王印海 | 申请(专利权)人: | 南京理工大学 |
主分类号: | H04L12/26 | 分类号: | H04L12/26;H04L29/06 |
代理公司: | 南京理工大学专利中心 32203 | 代理人: | 薛云燕 |
地址: | 210094 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 异常 反馈 netflow 采样 处理 方法 | ||
1.一种基于异常反馈的NetFlow采样处理方法,其特征在于,采用以下步骤:
步骤1:异常分析器分析NetFlow数据,并提取异常流量对应的NetFlow记录的特征值;
步骤2:根据步骤1分析结果,进行基于统计结果的异常检测,输出防范策略的行为特征参数;
步骤3:路由流量采集点调整对异常流量包的采样率;
步骤4:采集服务器调整对路由流量采集点的流量接收权重;
步骤2所述的基于统计结果的异常检测,具体步骤如下:
步骤2.1,将统计结果与从历史流量中提取出的基线进行比较,倘若当前观测值落在置信区间内,则认为该流量是正常的,倘若落在了置信区间以外,则将当前观测值列为可疑事件;
步骤2.2,将可疑事件信息与异常特征进行匹配:如果没有匹配成功,则将该可疑事件信息列为低可信度事件;如果匹配成功,则输出防范策略的行为特征参数;
步骤2.1所述将统计结果与从历史流量中提取出的基线进行比较,其中基线是描述正常流量的范围,即置信区间,从历史流量中提取;基线的确定采用参数度量平均值的标准偏差值来计算,通过已经观测到的历史流量的样本值Xi计算出观测值的平均值mean,i=1,2,…,n,即
定义stdev为标准偏差,且
所述的置信区间的计算公式为:
[mean-d*stdev,mean+d*stdev]
式中:stdev为标准偏差,mean为前n次正常活动观测值的平均值,d为调整参数,d根据目前的网络流量状况进行调整,网络流量高峰期d取值大于网络流量低谷期;
步骤2.2所述的将可疑事件信息与异常特征进行匹配,具体步骤如下:将从通过基线模式过滤出来的可疑信息中提取出的特征值,与异常特征库中的特征逐条匹配,倘若与某条特征匹配成功,则生成与该特征相对应的事件,匹配的同时记录流长m,即该异常流的报文数;设路由流量采集点权重为L,若是威胁网络稳定和安全的异常流量,则L=0;若是正常突发流量,则根据流量的大小依次增加权重。
2.根据权利要求1所述的基于异常反馈的NetFlow采样处理方法,其特征在于,步骤1所述的异常流量对应的NetFlow记录的特征值包括源地址、目的地址、协议类型、源端口、目的端口方面的特征。
3.根据权利要求1所述的基于异常反馈的NetFlow采样处理方法,其特征在于,步骤3中所述路由流量采集点调整对异常流量包的采样率,方法如下:
对于流长为m的流,即流由m个报文构成,若对每个报文采取独立随机抽样,抽样概率为q,以X表示m次独立重复实验中抽取到的报文数,则随机变量X服从参数为m、q的二项分布,抽取到k个报文的概率为:
该流被抽样到所有流长小于等于k的概率为:
给定两个阈值α和β,若P{X≤k}<α,即计算出m,此时令m1=m,则认为流长小于等于m1的流为短流;若P{X≤k}>β,同样计算出m,此时令m2=m,则认为流长大于等于m2的流为长流;另外,认为流长介于m1和m2之间的为中流;
设短流的抽样概率为P1,中流的抽样概率为P2,长流的抽样概率为P3,以x表示到达流的流长,则x抽样率为:
未检测到异常,抽样概率为P,P是采集前初始化的抽样概率;检测到异常,抽样概率为Px。
4.根据权利要求1所述的基于异常反馈的NetFlow采样处理方法,其特征在于,步骤4所述采集服务器调整对路由流量采集点的流量接收权重,方法如下:
采集服务器收到来自反馈器的反馈后,根据反馈的路由权重L,修改异常源所在的路由流量采集点的权重;采集服务器对应的路由流量采集点都有各自的权重L,权重越高,代表要采集的流量信息越多,则会分配更多的资源用于接收处理来自该路由流量采集点的NetFlow数据,若权重L=0,则代表只进行对异常流量后续监控,确保威胁被彻底根除或是掌握该异常流量的实时情况。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610940054.5/1.html,转载请声明来源钻瓜专利网。