基于SVM的BGP异常流量检测

张红玉

中国海洋大学

摘要：

随着信息技术的高速发展，互联网已成为我们社会基础设施的一部分。然而，互联网域间路由中的边界网关协议却存在许多问题，如易受蠕虫等病毒与DoS的攻击、以及协议本身缺乏安全机制等。为保证自治系统中域间路由系统的稳定与安全，本文主要研究了基于SVM的BGP异常流量检测。具体包括：
1.基于特征选择的SVM学习算法的研究。由于BGP异常数据的小样本特征，将SVM引入BGP异常流量的检测中。另外，由于BGP数据的高维性给计算机的运算、存储空间、识别速度带来不利影响。为降低特征空间维数，缩减度量和存储要求，采用基于特征选择的SVM学习算法。将特征选择过程和学习过程有机地统一起来，通过对特征的权重进行排序来实现特征选择。
2.BGP数据非平衡分布的处理。由于BGP数据中两类样本在分布上的非平衡性，使得在SVM的训练过程中，两类样本对决策超平面的构成的过程中影响力度会有所不同，导致最终的决策函数有偏差，使得分类能力有所降低。因此本文引入Under-sampling算法对训练数据集进行预处理，结合SVM学习过程，通过改变SVM中训练集的样本分布来消除非平衡分布带来的不良影响。
BGP数据实验结果表明，应用SVM算法进行BGP异常流量检测是可行的，有效的。在保证正确率的前提下，可以用特征选择方法对BGP的输入特征进行降维处理。引入Undcr-sampling算法，SVM有更好的分类效果，能更有效地检测出BGP异常流量。

关键词：边界网关协议;BGP异常流量检测;SVM;数据非平衡分布

授予单位：中国海洋大学

授予学位：硕士

学科专业：通信与信息系统

导师姓名：张海燕;沈钺

学位年度：2008

语种：中文

分类号：TP393.08

页数：59

在线出版日期：2008-12-08（万方平台首次上网日期，不代表论文的发表时间）