350 руб
Журнал «Электромагнитные волны и электронные системы» №2 за 2012 г.
Статья в номере:
Обнаружение аномальных выбросов телекоммуникационного трафика методами дискретного вейвлет-анализа
Авторы:
О.И. Шелухин - д. т. н., профессор, зав. кафедрой «Защита информации и техника почтовой связи», Московский технический университет связи и информатики (МТУСИ). E-mail: sheluhin@mail.ru А.В. Гармашев - аспирант, Московский технический университет связи и информатики (МТУСИ)
Аннотация:
Предложен метод, основанный на дискретном вейвлет-разложении трафика и статистических алгоритмах обработки, с использованием критериев Фишера и Кохрана для обнаружения аномалий трафика в компьютерных и телекоммуникационных сетях; показано, что для уменьшения уровня ложных срабатываний используется два скользящих окна с двумя пороговыми значениями, а это обеспечивает высокую эффективность обнаружения аномальных выбросов трафика.
Страницы: 15-27
Список источников
  1. Kwitt, R., A Statistical Anomaly Detection Approach for DetectingNetwork Attacks. 14th December 2004/ 6QM Workshop, Salzburg.
  2. Feinstein, L. and Schnackenberg, D., Statistical Approaches to DDoS AttackDetection and Response. Proceedings of the DARPA Information SurvivabilityConference and Expostion (DISCEX-03), April 2003.
  3. Vinay A.Mahadik, Xiaoyong Wu and Reeves, D. S., Detection of Denialof-QoS Attacks Based On χ 2 Statistic And EWMA Control Charts. http://arqos.csc.ncsu.edu/papers/2002-02-usenixsec-diffservattack.pdf, NC StateUniversity, Raleigh.
  4. Nong Ye and Qiang Chen, An Anomaly Detection Technique Based on aChi-Square Statistic for Detecting Intrusions into Information Systems.Qualityand Reliability Eng. Int'l. 2001. V. 17, № 2. P.105-112.
  5. Кобзарь А. И. Прикладная математическая статистика. Для инженеров и научных работников. М.: Физматлит. 2006.
  6. http://www.ll.mit.edu/mission/communications/ist/corpora/ideval/data/index.html
  7. Mallat, S., A wavelet tour of signal processing 3 ed.: The Sparse Way, 2005.