發(fā)布時間：2025-02-10 18:14

　　網(wǎng)絡(luò)服務(wù)訪問量的激增使得服務(wù)提供商不得不擴大服務(wù)部署規(guī)模,傳統(tǒng)的服務(wù)方式已經(jīng)不能滿足需求,云平臺因此而誕生。云平臺具有規(guī)模龐大、易獲得、可用性高、廉價的特點,這使得云平臺在誕生之后便迅猛發(fā)展,但同時也帶來了巨大的挑戰(zhàn),越來越多的重要服務(wù)和數(shù)據(jù)被發(fā)布到云平臺上,這就使得云平臺的安全問題越來越重要,逐漸成為人們關(guān)注的一個焦點�，F(xiàn)有的研究大多聚焦于預(yù)防云平臺安全事件的發(fā)生,但隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜多樣化,惡意人員有了更多的選擇可以接近目標(biāo)并進(jìn)行攻擊,這使得許多安防措施形同虛設(shè)。日志是反映訪問行為的天然數(shù)據(jù),本文將日志作為云平臺追責(zé)的信息源。云平臺龐大的規(guī)模和復(fù)雜的結(jié)構(gòu),使得其日志量異常龐大,相關(guān)日志分布分散且日志之間關(guān)系復(fù)雜,不易分析和提取異常信息。本文首先針對云平臺日志特性對日志過濾方法進(jìn)行了優(yōu)化設(shè)計和實驗驗證,然后將事件分類并進(jìn)行特征研究,最后結(jié)合日志特征和事件特征設(shè)計了一套完整的追責(zé)方法并進(jìn)行了仿真實驗。本文主要工作內(nèi)容如下:1、通過對云平臺服務(wù)部署方式的研究,總結(jié)出云平臺可能會遭受的攻擊方式,基于攻擊方式歸納出云平臺中的幾種實體關(guān)系。為了對云平臺實體間關(guān)系進(jìn)行測量,本文基于...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－４?ＭａｐＲｅｄｕｃｅ執(zhí)行過程圖??以ＷｏｒｄＣｏｕｎｔ為例，結(jié)合圖２－４，一次統(tǒng)計過程如下：??

ＭａｐＲｅｄｕｃｅ劃分為“Ｍａｐ?（映射）”和“Ｒｅｄｕｃｅ?（歸約）”兩個概念［３８］，是并行計算??的中心思想，在Ｈａｄｏｏｐ框架中中只需要實現(xiàn)ｍａｐ（）和ｒｅｄｕｃｅ（）兩個函數(shù)就可以實現(xiàn)??分布式計算。ＭａｐＲｅｄｕｃｅ的執(zhí)行過程如圖２－４所示：??＜ｋｌ，?ｖｌ＞?Ｍａ....

圖2一SStom計算拓?fù)鋱D

所示的Ｓｔｏｒｍ任務(wù)有兩個數(shù)據(jù)源，經(jīng)過處理后，輸出兩種不同結(jié)果。目??在美團(tuán)點評的相關(guān)實時任務(wù)中己經(jīng)有較為成熟的應(yīng)用。??ｏｒｍ相同，Ｆｌｉｎｋ在流式處理上也有較為成熟的應(yīng)用。事實上，Ｆｌｉｎｋ是一??流式處理和批處理的混合框架，當(dāng)前的主流框架都將批處理和流式處理??類型，而Ｆｌ....

圖２－６?Ｋａｆｋａ消息分發(fā)機制圖??２－６，ｋａｆｋａａｒｔｉｔｉｏｎ組，組里??

?Ｃｏｎｓｕｍｅｒ?Ｇｒｏｕｐ２??圖２－６?Ｋａｆｋａ消息分發(fā)機制圖??如圖２－６所示，ｋａｆｋａ先將所有ｐａｒｔｉｔｉｏｎ的消息都分發(fā)到所有用戶組，然后組里??的用戶輪詢消費ｐａｒｔｉｔｉｏｎ的數(shù)據(jù)，允許用戶重復(fù)消費，但不允許用戶消費不到消??息，因此，每個ｇｒｏｕｐ中用戶數(shù)....

圖３－２實體間關(guān)系量化方法架構(gòu)圖??

云平臺具有分布式特性，每個實體在運行過程中都在不斷產(chǎn)生日志，來記錄??實體的運行狀況和通信信息等。由上研究可知，實體間相關(guān)性是會隨時間變化的，??因此本文為實體間相關(guān)性度量系統(tǒng)設(shè)計了如圖３－２的物理架構(gòu)，來保證實體間相??關(guān)性度量的實時性和準(zhǔn)確性：?????＿＿??、、、、??、....

本文編號：4032873