【技术实现步骤摘要】
一种无边界网络智能运维管理方法与系统
本专利技术涉及网络与信息安全
，具体涉及一种在移动互联网、物联网与计算机网络环境下的无边界网络智能运维管理系统。
技术介绍
随着计算机网络、通信网与物联网的快速融合，以及云计算技术的迅速应用，网络结构正朝着云、管、端的无边界方向发展，云环境可以提供高性能计算与大数据存储、越来越多地存储着金融、企业与个人的信息，云环境的重要性日益显著，端节点最接近用户，存储着用户的交易信息与上网行为，越来越多的黑客将黑手伸向云与端的节点，而由于网络中的流量越来越大，并且管中流量与信息呈碎片化、私密信息已被加密，网络监控与响应越来越难以在管中实施。在本专利技术的无边界网络智能运维管理系统中主要涉及：主动监测器、态势分析器、实时告警器、实时响应器、汇聚器、数据存储器与管理器。网络运维管理系统的发展有两个方向，一是基于大数据进行态势分析系统；二是基于网络异常行为的威胁检测系统。对于基于大数据进行态势分析，它的优点是能够全视图展示网络行为状况，缺陷是关联分析模型不够准确、并且数据量越来越大，系统性能越来越难以承受；对于基于网络异常行为的威胁检测系...
【技术保护点】
1.一种无边界网络智能运维管理方法，其特征在于包括以下步骤：A、主动监测器进行可用性、性能与安全性的主动监测；B、汇聚器进行缓存、转发配置与监测信息；C、态势分析器基于终端、服务器与设备的可用性、性能与安全性数据进行态势分析；D、态势分析器利用
【技术特征摘要】
1.一种无边界网络智能运维管理方法，其特征在于包括以下步骤：A、主动监测器进行可用性、性能与安全性的主动监测；B、汇聚器进行缓存、转发配置与监测信息；C、态势分析器基于终端、服务器与设备的可用性、性能与安全性数据进行态势分析；D、态势分析器利用k-means聚类算法自学习正常网络行为秩序并检测网络攻击；E、态势分析器利用指数平滑法与阈值预测网络攻击态势；F、态势分析器基于时序、行为指纹与网络连接信息进行关联分析，回溯网络攻击源；G、实时告警器实时通知运维人员异常事件；H、实时响应器实时执行响应操作解决告警问题；I、据存储器存储配置、监测、告警与日志信息；J、管理器进行集中配置、展示主机、监控与态势信息。2.根据权利要求1所述边界网络智能运维管理方法，其特征在于，所述步骤D包括：D1、利用k-means聚类算法对网络行为信息自学习得到网络行为秩序，网络行为信息包括时间、源IP地址、目的IP地址、源端口、目的端口、协议号与行为指纹，k-means算法的处理过程为：首先，随机地从n个网络行为中选择k个作为初始聚类C的中心，以每个初始聚类中心为一簇；依次选取剩下的网络行为，根据其与各簇中心的相似度，将它赋给最近的簇；然后，重新计算每个新簇的聚类中心；不断重复这一过程，直到标准测度函数收敛；一个最终簇的时序对应一个正常网络行为秩序；采用平方误差作为标准测度函数，其定义如下：E=∑ki=1∑p∈Ci|p-mi|2E是所有网络主机的平方误差的总和，p是任意一个网络行为，mi是簇Ci的中心；D2、根据正常网络行为秩序检测网络攻击，若待检测网络行为存在于正常网络行为秩序中，则判定该网络行为是安全的；否则判定该网络行为是网络攻击。3.根据权利要求1所述边界网络智能运维管理方法，其特征在于，所述步骤E包括：E1、采用先验数据的平均值为初始值；E2、选取平滑系数α，当网络行为序列呈现较稳定的水平趋势时，α在0.05～0.20之间取值，当网络行为序列有波动，但长期趋势变化不大时，α在0.1～0.4之间取值，当网络行为序列波动很大，长期趋势变化幅度较大，呈现明显且迅速的上升或下降趋势时，α在0.6～0.8间选值；E3、采用指数平滑法进行网络态势预测，预测公式如下St=αYt-1+(1-α)St-1St为t时刻的网络态势预测值，St-1为t-1时刻的网络态势预测值，Yt-1为t-1时刻的网络态势实际值，α为平滑系数；E4、若t-2、t-1、t时刻的网络态势预测值St-2、St-1、St都大于阈值，则该网络态势为网络攻击态势。4.根据权利要求1所述边界网络智能运维管理方法，其特征在于，所述步骤F包括：F1、基于时间与行为指纹对目标机上的网络攻击行为进行相似度分析，将一段时间内目标IP地址相同、目的端口相同、源I...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。