Identification d'anomalies statistiques dans le trafic internet par projections aléatoires multirésolutions

Pierre Borgnat 1 Guillaume Dewaele 1 Patrice Abry 1
1 Phys-ENS - Laboratoire de Physique de l'ENS Lyon
Résumé : Une méthode d'analyse des flux du trafic internet pour la détection et l'identification d'anomalies statistiques, utilise des projections aléatoires du trafic dans des "sketchs" qui sont alors agrégés à plusieurs échelles. Ces représentations permettent de formuler la détection des anomalies comme un test statistique de valeurs aberrantes, le trafic normal étant modélisé par des lois Gamma. La méthode fonctionne séquentiellement, en temps réel et permet, par inversion des "sketchs", l'identification des adresses IP impliquées. Le résultat est illustré sur du trafic contenant des anomalies de réseau réalistes.
Mots-clés : Trafic Internet Détection d'anomalie Sketch Projections aléatoires Modèle non gaussien Multirésolution
Type de document :
Communication dans un congrès
21e Colloque sur le Traitement du Signal et des Images. GRETSI-2007, Sep 2007, Troyes, France. GRETSI, pp.505-508, 2007
Liste complète des métadonnées

Littérature citée [11 références]  Voir  Masquer  Télécharger
https://hal-ens-lyon.archives-ouvertes.fr/ensl-00177644
Contributeur : Pierre Borgnat <>
Soumis le : lundi 8 octobre 2007 - 17:21:54
Dernière modification le : jeudi 19 avril 2018 - 14:54:03
Document(s) archivé(s) le : dimanche 11 avril 2010 - 22:30:26

Fichier

444.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : ensl-00177644, version 1

Collections

ENS-LYON | UNIV-LYON1

Citation

Pierre Borgnat, Guillaume Dewaele, Patrice Abry. Identification d'anomalies statistiques dans le trafic internet par projections aléatoires multirésolutions. 21e Colloque sur le Traitement du Signal et des Images. GRETSI-2007, Sep 2007, Troyes, France. GRETSI, pp.505-508, 2007. 〈ensl-00177644〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

119

Téléchargements de fichiers

365

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD