题目：异常流量与网络告警的关联算法的研究与实现

随着计算机网络规模的不断扩大，网络管理逐渐被人们所重视。在目前的大型网络管理系统中，每天都会产生海量的网络告警，网管人员面对如此大量的告警时，往往无所适从。因此本文针对这一情况，提出可以通过检测网络中的流量异常，通过将异常与告警进行关联，从而从海量告警中，提取出关键、重要的告警信息，以展示给网管人员。 本文通过观察某大型网络管理系统中骨干链路上的流量，采用 Holt-winters 算法进行异常检测，并对异常进行分类。通过对同一类型的异常多次发生时，收集到的网络告警序列进行频繁子序列的挖掘，从而将该类型的异常与网络告警进行关联；并将每次关联的结果，作为一种知识保存，以便下次遇到同类型的网络异常时，可辅助进行关联。在频繁子序列挖掘的过程中，针对PrefixSpan算法每次寻找局部频繁项要扫描投影数据库的问题，结合 PRISM（PRIme-EncodingBased Sequence Mining）中对序列数据库编码的思想，提出了改进后的 PrefixSpan（Prefix-projected Sequential pattern mining）算法――PSBE（PrefixSpan with Bit-Encoding）。对短序列、长序列、密集型序列和稀疏型序列的对比实验表明，PSBE在性能上要优于PrefixSpan。 最后本文实现了一个告警关联原型系统，该系统整合了数据收集、异常检测、异常分类、告警关联和特征维护等功能。系统经过一段时间的学习后，就能针对检测到的异常流量，提取出少量、关键的告警信息。最后通过实验，将告警事件重放，重现了该类型的网络异常，验证了该系统关联结果的正确性。