针对网络异常流量检测中的DDoS攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用Linux内核观测技术eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量...针对网络异常流量检测中的DDoS攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用Linux内核观测技术eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量特征分析的网络异常流量检测系统。系统采用eBPF直接从Linux内核网络栈最底层高效地采集网络流量特征数据,然后使用基于长短记忆网络LSTM(Long Short Term Memory)构建的深度学习系统检测网络异常流量。在具体实现中,系统首先通过Linux内核网络栈最底层XDP(eXpress Data Path)中的eBPF程序挂载点采集网络流量特征数据。之后,使用LSTM构建神经网络模型和预测分类。将系统应用于一个仿真实验网络环境得出的实验结果表明,系统的识别精确度达到97.9%,同时,在使用该系统的情况下,网络中的TCP与UDP通信的吞吐率仅平均下降8.53%。结果表明:系统对网络通信影响较低,同时也实现了较好的检测效果,具有可用性,为网络异常流量检测提供了一种新的解决方法。展开更多
数据复制技术广泛用于数据网格,如何合理地放置复制时产生的数据副本来更有效地提高数据访问性能成为一个值得研究的重要问题。本文针对无向连通图表示的数据网格模型,提出了一种满足各用户服务质量(quality of service,QoS)需求的副本...数据复制技术广泛用于数据网格,如何合理地放置复制时产生的数据副本来更有效地提高数据访问性能成为一个值得研究的重要问题。本文针对无向连通图表示的数据网格模型,提出了一种满足各用户服务质量(quality of service,QoS)需求的副本放置算法(replica placement algorithm,RPA),通过该QoS感知的副本放置算法能够获得k个副本放置位置,并且使得整个数据网格系统的通信代价最小。最后,文章通过相应的仿真实验证明了该算法的可靠性和有效性。展开更多
文摘针对网络异常流量检测中的DDoS攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用Linux内核观测技术eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量特征分析的网络异常流量检测系统。系统采用eBPF直接从Linux内核网络栈最底层高效地采集网络流量特征数据,然后使用基于长短记忆网络LSTM(Long Short Term Memory)构建的深度学习系统检测网络异常流量。在具体实现中,系统首先通过Linux内核网络栈最底层XDP(eXpress Data Path)中的eBPF程序挂载点采集网络流量特征数据。之后,使用LSTM构建神经网络模型和预测分类。将系统应用于一个仿真实验网络环境得出的实验结果表明,系统的识别精确度达到97.9%,同时,在使用该系统的情况下,网络中的TCP与UDP通信的吞吐率仅平均下降8.53%。结果表明:系统对网络通信影响较低,同时也实现了较好的检测效果,具有可用性,为网络异常流量检测提供了一种新的解决方法。
文摘数据复制技术广泛用于数据网格,如何合理地放置复制时产生的数据副本来更有效地提高数据访问性能成为一个值得研究的重要问题。本文针对无向连通图表示的数据网格模型,提出了一种满足各用户服务质量(quality of service,QoS)需求的副本放置算法(replica placement algorithm,RPA),通过该QoS感知的副本放置算法能够获得k个副本放置位置,并且使得整个数据网格系统的通信代价最小。最后,文章通过相应的仿真实验证明了该算法的可靠性和有效性。