[發明專利]一種基于ARMA模型和混沌時間序列模型的流量分析方法

無效

• 申請號: 201110227791.8
• 申請日: 2011-08-09
• 公開（公告）號: CN102404164A
• 公開（公告）日: 2012-04-04
• 發明（設計）人: 孫建;張梅琴;張順頤;王攀
• 申請（專利權）人: 江蘇欣網視訊科技有限公司
• 主分類號: H04L12/26
• 分類號: H04L12/26;H04L12/56
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及網絡流量控制與異常流量監測，尤其涉及一種基于ARMA模型和混沌時間序列模型的流量分析方法，屬于網絡流量控制技術領域。?

背景技術

如何提高大型骨干網絡的可用性，最大化地保證骨干網絡的可控性和有效性，已經成為政府機構、企業、服務提供商、數據中心等進行網絡安全建設時的重點和難點。對各種異常流量行為對網絡骨干的充斥，極大地增加了網絡資源的壓力，過多消耗了網絡資源，在很大程度上影響到正常業務的運行。嚴重時，這些異常網絡行為會造成網絡癱瘓，正常業務的中斷。因此對于骨干網絡的運維提出了新的監測分析的需求，主要體現在對于流量的預測，異常流量的檢測和流量控制。?

由于技術的不斷更新、需求的持續增長以及業務的不斷擴大，網絡的行為機制、管理模式的描述也更加困難。使用能夠準確反映網絡狀態和行為的理論和模型來對網絡進行研究，并進行定量的分析與評估，已經成為未來網絡急需優先攻克的關鍵問題之一。?

混沌現象的發現開創了科學模型化的一個典范：一方面，混沌現象所固有的確定性表明許多隨機現象實際上是可以預測的；另一方面，混沌現象所固有的對初值的敏感依賴性有意味著預測能力受到新的根本性限制，混沌現象是短期可以預測的，而長期是不能預測的。?

根據Packard等提出的重構相空間理論可知，對于決定系統長期演化的任一變量的時間演化，均包含了系統所有變量長期演化的信息。因此，我們可以通過決定系統長期演化的任一單變量時間序列來研究系統的混沌行為。而吸引子的不變量——關聯維(系統復雜度的估計)、Kolmogorov熵(動力系統的混沌水平)，Lyapunov指數(系統的特征指數)等在表征系統的混沌性質方面一直起著重要的作用。其中，Lyapunov指數——量化初始閉軌道的指數發散和估計系統的混沌量，它從整體上反映了動力系統的混沌量水平，因此，基于混沌時間序列的Lyapunov指數計算和預測顯得尤為重要。?

發明內容

本發明的目的在于提供一種基于ARMA模型和混沌時間序列模型的流量分析方法能實現流量采集和特征提取、流量分析、流量預測和異常流量檢測。首先對流量進行監聽和統計，通過計算Hurst指數、ARMA參數、分數差分、關聯維度、時間延遲并估計Lyapunov指數；?根據流量分析提供的參數和預報公式對樣本點進行一定步長的預測，并根據Hurst指數的變化預警網絡中的異常流量。?

本發明的技術方案具體為：?

一種基于ARMA模型和混沌時間序列模型的流量分析方法，其特征在于，包括以下各步驟：?

步驟1：監聽網絡中的流量，由網絡設備驅動截獲原始數據包，進行流量的統計、寫入數據庫和日志文件；?

步驟2：進行流量分析，計算Hurst指數、ARMA參數、分數差分、關聯維度、時間延遲并估計Lyapunov指數；?

步驟3：根據流量分析提供的參數和預報公式對樣本點進行基于誤差自反饋的Lyapunov指數流量預測；?

步驟4：進行異常流量檢測，根據Hurst指數的變化預警網絡中的異常流量。?

相比現有的路由算法，本發明方法具有以下優點：?

一、以網絡流量的特性為起點，通過分析與研究網絡流量，實現了對網絡流量的預測與異常流量的檢測，具有很好的實際預測應用價值；?

二、實時監控網絡的流量，并用基于誤差自反饋的Lyapunov指數流量預測算法預測網絡流量，提高了預測的準確性。?

三、通過對流量進行監聽和統計，計算相關網絡流量特性指，并以此為基礎進行流量預測和異常流量預警，實現了網絡的可管理、可控制。?

附圖說明

圖1為本發明的基于ARMA模型和混沌時間序列模型的流量分析方法框架圖。?

圖2為基于ARMA模型和混沌時間序列模型的流量分析方法流程圖。?

具體實施方式

下面結合附圖對本發明的技術方案進行詳細說明：?

如附圖1所示，本發明方法按照以下步驟進行流量控制與異常流量監測：?

步驟1：監聽網絡中的流量，由網絡設備驅動截獲原始數據包，進行流量的統計、寫入數據庫和日志文件。?