网络入侵检测系统的负载均衡方案

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (7): 117-119.

网络入侵检测系统的负载均衡方案

陈宇，梁刚，李涛

四川大学计算机学院，成都 610065

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-01 发布日期:2011-03-01

Load balancing scheme of network intrusion detection system

CHEN Yu，LIANG Gang，LI Tao

College of Computer Science，Sichuan University，Chengdu 610065，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-01 Published:2011-03-01

摘要/Abstract

摘要： 在高速网络环境下，数据流的高速化使得网络入侵检测系统往往会出现严重的漏报率，针对此性能瓶颈，提出了一种基于预测的并行入侵检测系统的负载均衡方案。该方案主动测量各探测器的负载为预测依据，采用混沌时间序列的全域预测法为预测手段，利用预测的负载值为负载均衡的根据。通过仿真实验，证明了该方案的可行性及有效性，它能有效地均衡负载、减少系统的丢包率。

关键词: 网络入侵检测系统, 负载均衡, 预测

Abstract: Network Intrusion Detection Systems（NIDS） often has high loss rate because of the high speed of data flow in high-speed net.This performance is improved by load balancing scheme developed for parallel NIDS based on prediction.This scheme takes the load of each sensor as observing value through relevant measurement，the global predictive model of chaotic time series as predictive method，and it balances the load according to the predictive load.Results of the simulation verify that the proposed scheme can balance load effectively and reduce the packet loss rate.

Key words: Network Intrusion Detection Systems（NIDS）, load balancing, prediction

陈宇，梁刚，李涛. 网络入侵检测系统的负载均衡方案[J]. 计算机工程与应用, 2011, 47(7): 117-119.

CHEN Yu，LIANG Gang，LI Tao. Load balancing scheme of network intrusion detection system[J]. Computer Engineering and Applications, 2011, 47(7): 117-119.

[1]	黄冬宜，杨兵，吴子豪，匡佳一，颜泽明. 用于全市蜂窝流量预测的时空全连接卷积网络[J]. 计算机工程与应用, 2021, 57(9): 168-175.
[2]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[3]	常昊，陈晓雷，张爱华，李策，林冬梅. 嵌入改进SENet的卷积神经网络连续血压预测[J]. 计算机工程与应用, 2021, 57(7): 130-135.
[4]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[5]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[6]	张睿，吴伯雄，张丽园，张博. 复杂场景下行人轨迹预测方法[J]. 计算机工程与应用, 2021, 57(6): 138-143.
[7]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[8]	张倩玉，严冬梅，韩佳彤. 结合深度学习和分解算法的股票价格预测研究[J]. 计算机工程与应用, 2021, 57(5): 56-64.
[9]	李硕，梁毅. 面向Spark的批处理应用执行时间预测模型[J]. 计算机工程与应用, 2021, 57(5): 79-87.
[10]	赵红蕊，薛雷. 基于LSTM-CNN-CBAM模型的股票预测研究[J]. 计算机工程与应用, 2021, 57(3): 203-207.
[11]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[12]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[13]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[14]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[15]	顾海艳，陈亮，王多点. 基于模型预测控制的无人机时空协同航迹规划[J]. 计算机工程与应用, 2021, 57(23): 270-279.