为了探索网络功能虚拟化(Network Function Virtualization,NFV)环境下的网络安全技术,解决网络异常检测及定位问题,文章通过采用矩阵差分分解,着眼于提升网络异常情况下的检测精确度与定位,在构建的NFV网络模型中利用不同强度的异常流...为了探索网络功能虚拟化(Network Function Virtualization,NFV)环境下的网络安全技术,解决网络异常检测及定位问题,文章通过采用矩阵差分分解,着眼于提升网络异常情况下的检测精确度与定位,在构建的NFV网络模型中利用不同强度的异常流场景,深入分析了网络异常对系统性能的影响,测试了基于矩阵差分分解的MADEL(Matrix Analysis for Detection and Location)算法在不同场景下的表现。研究结果表明,MADEL算法能够有效适应不同异常环境,随着异常流强度的增加,算法的检测与定位效果为NFV环境下的网络安全管理提供了有力的技术支持。展开更多
文摘为了探索网络功能虚拟化(Network Function Virtualization,NFV)环境下的网络安全技术,解决网络异常检测及定位问题,文章通过采用矩阵差分分解,着眼于提升网络异常情况下的检测精确度与定位,在构建的NFV网络模型中利用不同强度的异常流场景,深入分析了网络异常对系统性能的影响,测试了基于矩阵差分分解的MADEL(Matrix Analysis for Detection and Location)算法在不同场景下的表现。研究结果表明,MADEL算法能够有效适应不同异常环境,随着异常流强度的增加,算法的检测与定位效果为NFV环境下的网络安全管理提供了有力的技术支持。