顧及規(guī)則矩陣約束的ELK日志數(shù)據(jù)統(tǒng)計(jì)分析

摘要：本文在兼顧效率與檢測(cè)質(zhì)量的前提下，提出顧及規(guī)則矩陣約束的啟發(fā)式網(wǎng)頁(yè)信息規(guī)則抽取方式，實(shí)現(xiàn)了對(duì)ELK日志數(shù)據(jù)統(tǒng)計(jì)分析數(shù)據(jù)的二次檢測(cè)，大幅度提高檢測(cè)質(zhì)量。

關(guān)鍵詞：ELK日志；規(guī)則矩陣；聚類算法

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）10-0223-02

在ELK日志數(shù)據(jù)統(tǒng)計(jì)分析過程中，啟發(fā)式網(wǎng)頁(yè)信息規(guī)則抽取是在做異常檢測(cè)聚類分析過程中最為關(guān)鍵的一環(huán)。現(xiàn)有的啟發(fā)式網(wǎng)頁(yè)信息規(guī)則抽取一般采用單一攻擊行為抽取方式，但是這種方式往往會(huì)遺漏因誤用ELK日志數(shù)據(jù)統(tǒng)計(jì)分析檢測(cè)模型而產(chǎn)生的未檢測(cè)的攻擊訪問日志。ELK日志數(shù)據(jù)統(tǒng)計(jì)分析集成環(huán)境是建立在Elasticsearch、Logstash、Kibana這三個(gè)開源軟件基礎(chǔ)之上的。在現(xiàn)有的ELK日志數(shù)據(jù)統(tǒng)計(jì)分析過程中，基于聚類算法的異常檢測(cè)模塊已經(jīng)成為常用模塊，其主要工作流程包括：?jiǎn)l(fā)式網(wǎng)頁(yè)信息規(guī)則抽取、構(gòu)建正常行為模型、異常行為檢測(cè)等。

1 ELK日志數(shù)據(jù)統(tǒng)計(jì)分析規(guī)則矩陣

1.1 規(guī)則矩陣在ELK日志數(shù)據(jù)分析過程中的作用

ELK日志數(shù)據(jù)異常檢測(cè)模塊是建立在合理的分析模型、海量未被攻擊過的日志序列之上的[1]。首先，完成數(shù)據(jù)的清洗過程。通過對(duì)海量未被攻擊過的日志序列的分析，分析模型找出異常檢測(cè)模塊數(shù)據(jù)源。ELK日志數(shù)據(jù)統(tǒng)計(jì)分析系統(tǒng)中的誤用檢測(cè)子模塊將特征匹配impact為零的Web訪問日志抽取出來。其次，清洗后的規(guī)則矩陣構(gòu)造數(shù)據(jù)對(duì)象可以被視為標(biāo)準(zhǔn)化和反混淆后的數(shù)據(jù)，將上述數(shù)據(jù)直接進(jìn)行異常檢測(cè)。例如，在提取impact為零的日志過程中，impact日志在規(guī)則矩陣中的特征向量包含請(qǐng)求路徑長(zhǎng)度、請(qǐng)求參數(shù)個(gè)數(shù)、特殊字符頻率、數(shù)字頻率、請(qǐng)求參數(shù)字符熵等。再次，綜合衡量各類ELK日志分析對(duì)象中的特征向量權(quán)值，并計(jì)算特征向量距與它最近的正常模型簇中心的距離。最后，通過Chebyshevinequality不等式計(jì)算異常概率，并將異常閉值作為判斷結(jié)果的依據(jù)。

1.2 規(guī)則矩陣的構(gòu)建

在去除web日志常見的誤導(dǎo)性數(shù)據(jù)（廣告等）后，ELK日志數(shù)據(jù)分析的過程可以忽略對(duì)于規(guī)則矩陣具有弱約束性的信息，這些信息包括[2]：

（1）display屬性為none或者高度不足10的塊；（2）