Unsupervised network anomaly detection

Johan Mazel 1
1 LAAS-OLC
LAAS - Laboratoire d'analyse et d'architecture des systèmes [Toulouse]
Résumé : La détection d'anomalies est une tâche critique de l'administration des réseaux. L'apparition continue de nouvelles anomalies et la nature changeante du trafic réseau compliquent de fait la détection d'anomalies. Les méthodes existantes de détection d'anomalies s'appuient sur une connaissance préalable du trafic : soit via des signatures créées à partir d'anomalies connues, soit via un profil de normalité. Ces deux approches sont limitées : la première ne peut détecter les nouvelles anomalies et la seconde requiert une constante mise à jour de son profil de normalité. Ces deux aspects limitent de façon importante l'efficacité des méthodes de détection existantes. Nous présentons une approche non-supervisée qui permet de détecter et caractériser les anomalies réseaux de façon autonome. Notre approche utilise des techniques de partitionnement afin d'identifier les flux anormaux. Nous proposons également plusieurs techniques qui permettent de traiter les anomalies extraites pour faciliter la tâche des opérateurs. Nous évaluons les performances de notre système sur des traces de trafic réel issues de la base de trace MAWI. Les résultats obtenus mettent en évidence la possibilité de mettre en place des systèmes de détection d'anomalies autonomes et fonctionnant sans connaissance préalable.
Type de document :
Thèse
Networking and Internet Architecture [cs.NI]. INSA de Toulouse, 2011. English


https://tel.archives-ouvertes.fr/tel-00667654
Contributeur : Arlette Evrard <>
Soumis le : mercredi 8 février 2012 - 10:16:40
Dernière modification le : mercredi 29 octobre 2014 - 13:26:36
Document(s) archivé(s) le : mercredi 9 mai 2012 - 02:25:22

Identifiants

  • HAL Id : tel-00667654, version 1

Collections

Citation

Johan Mazel. Unsupervised network anomaly detection. Networking and Internet Architecture [cs.NI]. INSA de Toulouse, 2011. English. <tel-00667654>

Exporter

Partager

Métriques

Consultations de
la notice

494

Téléchargements du document

384