一种基于高聚集链路测量的网络级别OD流异常检测框架

A Framework of Network-Level OD Flow Anomaly Detection Based on High Aggregate Link Measurement

绝大多数网络异常事件会对网络中的一定空间范围造成影响,形成分布式流量异常,其异常流量模式通常体现在网络级别源到端(OD)流的某些特征参数上。OD流很难直接测量得到,需通过高聚集链路测量反演技术推测,然而反演误差将直接影响下一步基于特征参数的异常诊断。本文提出了一种直接由链路测量进行OD流异常检测的框架,该框架采用RMLP神经网络,并加入部分OD流估计值作为约束输入,实现了由链路测量对OD流级别特征参数的估计。该方法的优点是检测过程不再完全依赖链路到OD流的估计,解决了反演误差影响检测的问题,并且该框架允许链路流量到多种OD流特征参数的估计。

This paper presents a framework of network-level OD flow anomaly detection,that uses RMLP neural network,and adds some OD flow estimation as a constraint input,which estimated the OD flow parameters by the link-level measurement.