大家读完觉得有帮助记得关注和点赞！！！

摘要

研究与教育网络（RENs）作为科学发现的关键基础设施，面临着独特的安全悖论：其正常流量模式以大规模、突发性的"大象流"为特征，在传统监控系统中与DDoS等流量型攻击在统计上难以区分。这种相似性导致异常检测中的高误报率，使安全运营人员对真正的威胁视而不见。在本文中，我们提出并评估了一个高保真流量预测框架，旨在为REN建立动态安全基线。利用一个为期57天的独家Internet2数据集（涵盖10台骨干路由器，137亿个数据包），我们在此领域进行了首次大规模异常感知预测模型基准测试。我们系统地评估了从SARIMA到最先进长序列架构（TiDE、PatchTST）的六个模型家族，涵盖960种实验配置。结果表明，这些先进架构，尤其是TiDE，相比传统方法将基线预测误差降低了30-42%（p<0.001p<0.001），显著改善了对合法科学突发与潜在异常的区分能力。此外，我们引入了一种新颖的异常集成策略，在存在噪声的情况下将模型鲁棒性提高了3.3%。本研究为区分科学工作流与网络攻击提供了首个经过统计验证的框架，实现了更自主、更具韧性的网络安全运营。

索引词：网络安全、异常检测、流量预测、研究与教育网络、深度学习、Internet2、DDoS缓解

I 引言

研究与教育网络（RENs），如Internet2和ESnet，构成了现代科学的神经系统，为高能物理、基因组学和气候研究提供PB级数据传输[monga2018sdn]。作为关键基础设施，这些网络是网络威胁的高价值目标，需要强大的、AI驱动的网络安全框架来保护它们[ahamed2025ai]。然而，保护REN面临一个独特的挑战：REN的"正常"行为往往模仿流量型攻击的特征。单个科学工作流可以使100 Gbps链路饱和数小时，产生极端突发性和流量峰值，传统入侵检测系统（IDS）可能将其标记为分布式拒绝服务（DDoS）攻击[dart2013science]。

这种模糊性造成了严重的运营安全风险。如果安全运营人员将检测阈值设置得过宽，他们会错过真正的攻击（假阴性）。如果设置得过紧，合法的科学传输会触发警报（假阳性），导致"警报疲劳"，并可能自动阻止关键研究数据。为解决这一问题，REN安全需要一个动态基线——一个高度准确的预测模型，能够描述任何给定时刻"正常"科学流量的样貌，从而将真正的异常（攻击、故障）与预测的大象流区分开来。

尽管存在这种需求，当前REN中的安全基线技术仍然相当初级。三个基本障碍阻碍了进展：

（1）数据稀缺性：由于隐私问题，真实世界的REN数据集很少能用于安全研究[nottingham2020challenges]；

（2）缺乏基准测试：在这些环境中，对于创建鲁棒安全基线的现代深度学习架构，没有系统的比较；

（3）异常盲目性：现有的预测模型往往未能考虑训练数据中异常的存在，导致基线被污染，从而使攻击模式被正常化。

在本研究中，我们通过开发一个鲁棒的、异常感知的预测框架来应对这些挑战，用于动态安全基线。我们利用来自Internet2骨干网的独家57天数据集，对六个模型家族进行基准测试，从经典统计方法到现代Transformer。通过将无监督异常检测（孤立森林、局部离群因子）直接集成到预测流水线中，我们展示了如何构建对噪声具有韧性且能够高保真预测合法突发的模型。

我们对网络安全和测量的贡献是：（1）我们分析了来自10台Internet2路由器的137亿个数据包，提供了对关键科学基础设施基线流量模式的罕见洞察；（2）我们首次对先进长序列架构（包括基于MLP的TiDE和基于Transformer的PatchTST）与REN流量的传统基线进行系统评估，证明Transformer为安全基线提供了更优的保真度；（3）我们引入并评估了四种将异常检测集成到预测循环中的策略，表明在训练期间屏蔽异常可显著提高基于RNN的安全模型的鲁棒性；（4）我们分析了基线准确性与计算成本之间的权衡，为部署实时异常检测支持系统提供了可操作的建议。

II 相关工作与定位

II-A REN中的流量特征与安全风险

研究与教育网络（RENs）展现的流量模式在根本上不同于商业广域网，为安全监控带来了独特挑战。Rogers和Christensen首次证明Internet2流量缺乏商业网络的自相似、人类驱动模式，而是遵循重尾分布，其中不到1%的流量占总体积的80%以上[rogers2001fluid]。这种运营现实由Science DMZ等架构模式塑造，后者通过绕过传统防火墙来优先保障吞吐量[dart2013science]。

从安全角度来看，这产生了显著的"遮蔽"效应。如Kiran和Chhabra所述，REN工作负载是非平稳且不可预测的[kiran2019understanding]。这种非平稳性使得基于阈值的入侵检测系统（IDS）难以区分合法的100 Gbps科学传输与流量型DDoS攻击。Barford等人使用信号处理分析此类异常，强调了将"闪击人群"事件与恶意攻击区分开来的困难[barford2002signal]。NERSC的Giannakou等人最近的工作进一步强调了现代HPC环境中数据移动模式的复杂性，需要更自适应的基线技术[giannakou2024understanding]。

II-B 高速网络中的异常检测挑战

高速网络中的异常检测是一个研究充分的领域，然而仍然存在重大挑战。Chandola等人提供了技术的全面综述[chandola2009anomaly]，但由于"语义鸿沟"和假阳性的高成本，将其应用于网络入侵检测充满困难[sommer2010outside]。Gates和Taylor挑战了传统异常检测范式，指出"正常"流量很少是静态的[gates2006challenging]，这一观点得到Mahoney和Chan的支持，他们提出学习非平稳模型以检测新型攻击[mahoney2002learning]。

由于标记攻击数据的稀缺性，通常需要无监督方法。Eskin等人提出了无监督检测的几何框架[eskin2002geometric]，我们使用孤立森林[liu2008isolation]和局部离群因子（LOF）[breunig2000lof]将其概念操作化。虽然Lakhina等人证明了子空间方法（PCA）在诊断骨干网络异常方面的实用性[lakhina2004diagnosing]，我们的工作通过将这些无监督检测器直接集成到预测流水线中，创建了一个鲁棒的、动态的基线来推进这一领域。

II-C 用于安全基线的预测模型

预测模型是动态异常检测的基础。Papagiannaki等人的基础工作探索了早期骨干网络上的长期预测[papagiannaki2005long]，但这些模型早于当前的PB级流量。最近使用SARIMA的研究报告了在科学规模突发期间的高误差率[mohammed2021predicting]，而Liu等人强调了经典基线在容量规划中的不足[liu2018comprehensive]。

深度学习的出现带来了更先进的架构。Shariff等人的先前研究在2台路由器上展示了混合GRU-LSTM的有效性[shariff2025traffic]。最近，图神经网络（GNNs）如DCRNN在时空建模方面显示出潜力[andreoletti2019network]，而APRIL等系统已开始使用预测进行智能负载均衡[8737537]。然而，仍然存在一个关键空白：这些先进的长序列架构，包括现代基于MLP的编码器如TiDE[das2023long]和Transformer如PatchTST[nie2022time]，从未被系统地基准测试其在大型REN骨干网上作为安全基线的能力。表I总结了这一空白。

表I：与先前REN预测和安全研究的定位

III 方法论与数据集分析

我们利用了一个为期57天的独家Internet2数据集，包含来自10台地理分布骨干路由器的3.14亿条流和137亿个数据包，提供了迄今最大、最多样化的REN安全基线语料库。表II总结了路由器级别的规模和覆盖范围。

图1：十台Internet2路由器的地理分布。 该骨干数据集的多特性使我们能够测试安全基线在高容量枢纽和较小区域节点之间的泛化能力。

表II：按路由器划分的Internet2流量语料库摘要

该数据集表现出显著的路由器异质性：达拉斯处理最高流量（1.4978亿条流，24.2亿个数据包），而波士顿处理最小负载（39万条流，2000万个数据包）。主要研究机构间流量量级的380倍变化和地理分布，使得在多样化流量条件下进行全面的模型评估成为可能。由于数据可用性窗口，每台路由器的覆盖范围从789到1466小时不等，所有路由器均提供了足够的时域范围以进行鲁棒的训练/验证/测试分割。

虽然存在网络范围的时空依赖关系，但我们专注于单变量、每路由器建模，因为这代表了基于边缘的入侵检测系统（IDS）的标准部署模型。通过为每台核心路由器建立独立的基线，我们确保安全警报是本地化的且可操作的。

我们的探索性分析揭示了将REN流量与商业网络区分的三个关键特征：1）减弱的高峰周期，夜间流量仅下降约15%（图3），反映了机器驱动的工作流；2）极端重尾分布，前1%的流量占总量的>80%；3）显著的路由器异质性（表II）。这证明了我们多站点、每路由器基准测试方法的合理性。

III-A 可扩展ETL流水线

传统的内存数据处理在这种规模下会失败，这是从大规模数据系统中提取可操作见解时的常见挑战[begum2023comparative]。为克服这一点，我们设计了一个基于Dask的分布式ETL流水线，如图2所示。该流水线首先执行数据摄取与解析以处理原始的、非标准JSON片段。数据随后进入Dask核外处理阶段，使用惰性加载和Parquet转换来管理大规模数据。这通过汇总10台路由器每台的in_packets字段，产生一个干净的、按小时聚合的单变量时间序列。这些干净数据有两个用途：作为异常检测模块的输入，并与异常分数结合在特征工程阶段，以创建用于我们基准测试的最终四种数据变体。

图2：我们异常感知预测框架的端到端架构。 原始Internet2 NetFlow数据由多阶段、基于Dask的ETL流水线处理，产生干净的、按小时聚合的时间序列。这些干净数据随后被输入异常检测模块以生成分数和标志，这些在特征工程阶段被结合以创建四种不同的数据变体。最后，这些变体被用于六个模型家族的全面基准测试，生成960组实验预测用于性能分析。

在解析和按小时聚合之后，我们按时间顺序分割时间序列（70/15/15%）以实现现实的预测。图3展示了所有路由器上减弱的高峰周期模式，夜间流量相比高峰时段仅下降15%，远低于商业WAN中典型的50-70%降幅。这反映了科学工作流持续的、机器驱动的特性，其运行独立于人类活动周期。

图3：十台路由器的平均每小时流量。 减弱的高峰周期（仅约15%变化）和极端突发性使REN流量与商业流量可区分，使传统的DDoS检测阈值复杂化。

为区分合法科学突发与运营异常和潜在攻击，我们按路由器部署了孤立森林（IF）和局部离群因子（LOF）。在REN安全的背景下，我们将"异常"定义为任何显著偏离学习基线的流量模式。与商业网络中异常通常是恶意的（如DDoS）不同，REN异常是双峰的：它们可以是合法的科学"大象流"或实际的安全事件。我们的框架使用孤立森林不仅是为了标记离群点，也是为了清理训练数据，使预测模型能够学习合法流量的真实底层基线。这种分离对于减少下游IDS中的假阳性至关重要。

IF的异常似然评分公式为：

LOF的评分公式为：

其中 E(h(x))E(h(x)) 是平均路径长度，lrdklrdk​ 是局部可达密度。特征包括每小时计数、24小时滚动z分数和时段编码；污染率（0.01）与观察到的异常频率匹配。

我们特别纳入了24小时滚动z分数以捕获与绝对流量量无关的局部统计偏差。该特征使模型能够区分突发的、高速率的"攻击式"突发与渐进的、合法的工作负载增长。通过将其与时段编码结合，检测器学会在已知的高峰运营时段抑制假阳性，使安全基线适应网络的节律。

我们系统地测试了四种注入异常信息的方式：（1）原始（无异常），（2）屏蔽，（3）分数作为特征，以及（4）两者组合。通用预测公式如式（3）所示：

其中 XX 是历史流量，AA 是异常上下文，ff 是建立动态基线的预测模型。

模型基准测试涵盖960个实验（10台路由器 × 6个模型 × 4个预测范围 × 4种异常模式）。所有实验使用时间顺序分割、早停法和跨模型归一化。配对的t检验与Bonferroni校正、报告的置信区间以及硬件控制（NVIDIA A40 GPU）确保了统计严谨性。

IV 安全基线的实验设计

基于我们的异常感知流水线，我们现在详述用于压力测试这些模型作为动态安全基线的实验设置。为应对区分合法科学流与流量型攻击的挑战，我们对六个代表性模型家族进行基准测试，每个模型被选择用于评估基线韧性的特定属性：统计刚性、计算效率或长期时间感知能力。

IV-A 模型组合与安全理由

混合深度学习架构的设计和选择是跨多个领域系统性能的关键因素[shariff2025novel, hossain2020novel]。对于本研究，我们选择了涵盖基线生成技术谱系的六个模型家族：

• SARIMA（统计基线）：提供刚性的、基于季节性的基线。用于测试简单统计边界是否足以用于REN安全。
• XGBoost（树集成）：在低推理延迟下擅长非线性预测，使其成为高速边缘安全设备的候选。
• GRU-LSTM混合（循环DL）：结合GRU和LSTM以捕获状态化时间依赖，测试"记忆"在区分攻击与正常突发中的价值。
• N-BEATS（可解释DL）：使用堆叠架构进行趋势建模。该模型不支持外生特征，使我们能够测试其固有的架构鲁棒性，而无需显式异常分数。
• TiDE（时间序列密集编码器）：一种先进的基于MLP的架构，利用密集编码器-解码器块和残差连接，在没有自注意力机制开销的情况下高效学习长程相关性。
• PatchTST（基于分块的Transformer）：将序列划分为分块以提高计算效率。我们的实现不支持外生异常分数，作为"纯"Transformer性能的对照。

这种特征支持的差异性使我们能够基准测试"架构固有鲁棒性"与"显式异常感知"，这对安全系统设计是一个关键区分。

对于我们的基于注意力的模型（PatchTST），捕获对过滤合法大象流至关重要的长程上下文的核心自注意力机制，如式（4）所示：

IV-B 实验协议

该因子设计探索了地理多样性、模型类别、预测范围和异常处理如何交互影响安全基线的鲁棒性。我们采用全因子设计，产生960个不同的实验：

• 路由器：10个地理分布的Internet2节点。
• 模型：上述6个家族。
• 预测范围：1、6、12和24小时预测提前期，以评估基线在运营轮班中的稳定性。
• 异常模式：四种策略（原始、屏蔽、分数作为特征和组合）以测试对数据投毒的韧性。

数据按时间顺序分割（70%训练，15%验证，15%测试）以模拟现实的安全部署，其中未来攻击是未知的。所有深度学习模型在NVIDIA A40 GPU上使用早停法（耐心=20）训练以防止过拟合噪声，超参数通过网格搜索调优（表III）。

表III：通过网格搜索确定的关键超参数配置

IV-C 基线保真度的评估指标

我们使用五个互补指标评估安全基线的保真度，总结于表IV。统计显著性使用配对的t检验（α=0.05α=0.05）与Bonferroni校正验证。

表IV：基线保真度评估指标

V 结果：基线分析与韧性分析

V-A 基线保真度与计算成本

我们的基准测试揭示了模型建立高保真安全基线能力的明确层级。如图4所示，先进的长序列架构显著优于传统方法，提供对正常流量模式的最紧密拟合，从而具有最低的假阳性可能性。

图4：所有预测范围的基线保真度（中位MAE）。 基于Transformer的模型（TiDE）提供最紧密的安全基线，最小化导致假阳性的残差噪声。

第一梯队——密集编码器主导：TiDE变体实现中位MAE为 5.66×1075.66×107 个数据包，相比传统基线减少了30-42%的误差（表V，p<0.001p<0.001）。对于安全运营，这种卓越的保真度至关重要：意味着合法的突发被正确预测为"正常"，防止它们在下游IDS中触发误报。

第二梯队——现代深度学习：N-BEATS和PatchTST形成强大的中间梯队。虽然它们缺乏TiDE的外生异常集成能力，但它们固有的架构深度使它们比RNN优出25-30%。

第三梯队——轻量级基线：XGBoost（9.5×1079.5×107 MAE）在准确性上落后，但在计算效率上表现出色。如表V所示，XGBoost训练时间（6.7秒）和推理延迟可忽略。这使其成为资源受限的边缘安全设备的可行候选，在这些设备中，超低延迟优先于最大基线精度。

表V：安全基线性能与成本（中位值）

接下来，我们分析这些模型在包含未标记异常的"投毒"数据上训练时的鲁棒性（图5）。

图5：可视化"噪声"：埃尔帕索路由器上的合法流量突发（红点）。 一个鲁棒的安全模型必须预测这些峰值，以避免将有效的科学流标记为流量型攻击。

V-B 对数据投毒的韧性

安全基线通常必须在包含未验证异常的历史数据上训练。我们的消融研究（表VI）测量了每个模型对这种"训练噪声"的韧性。

RNN脆弱性：GRU-LSTM模型对训练噪声高度敏感。屏蔽异常（"屏蔽"策略）产生3.3%的MAE降低（p<0.01p<0.01），确认RNN需要干净的训练数据来建立稳定的安全基线。

密集编码器鲁棒性：TiDE从"分数作为特征"策略中获益最多（1.11%改进，p<0.05p<0.05）。这表明深度密集编码器可以有效地使用异常分数作为上下文信号，来区分正常的高量级传输与统计离群点。

固有稳定性：基于树的模型（XGBoost）对异常集成策略的敏感性最小，表明它们对离群点具有固有鲁棒性——这是"设置即忘记"安全部署的宝贵特性。

表VI：对训练数据噪声的韧性（ΔΔMAE%按策略）

显著性：p<0.05p<0.05，** p<0.01p<0.01，*** p<0.001p<0.001

^a N-BEATS不支持外生特征。
^b 所使用的PatchTST实现不支持外生特征。

V-C 运营安全窗口

"运营安全窗口"指的是安全团队能够提前多少时间可靠地预测流量模式以配置主动防御。

图6：运营安全窗口。 高达6小时的急剧误差增加定义了主动安全规划和规则配置的最佳提前窗口。

1-6小时窗口：RMSE在短期内急剧增加（约38%中位增加）。这反映了预测科学工作流精确起始时间的困难。在此窗口内运行的安全系统必须保持高度自适应性。

6-24小时稳定性：6小时后误差增长显著趋缓。这识别出一个6小时的"最佳点"用于安全规划。运营人员可以可靠地使用6小时预测来区分预期的大象流与持续型流量型攻击，设置足够宽松以容纳科学工作但又足够紧密以捕捉威胁的阈值。

基线误差增长遵循幂律：

其中 R2=0.89R2=0.89，为安全阈值提供了可预测的误差边界。

V-D 基线的地理一致性

全局安全策略需要适用于不同网络段的基线。我们的分析揭示了显著的异质性：

图7：按路由器的基线一致性热图（24小时MAE）。 较低的排名（较亮颜色）表示更好的性能。TiDE变体（顶行）在大多数路由器上一致的高排名展示了其鲁棒性和适用于网络范围安全部署的特性。

高可预测性节点：像波士顿和里诺这样的区域节点具有稳定的流量模式，允许非常严格的安全阈值（低P99误差）。

高方差枢纽：像达拉斯和杰克逊维尔这样的核心枢纽表现出巨大的方差。这里的安全基线必须更宽松以避免假阳性。

部署启示："一刀切"的异常阈值将失败。安全团队必须部署每路由器基线，根据该节点的特定可预测性配置文件（由TiDE一致的一流表现所建模）调整灵敏度。虽然我们当前的评估仅限于Internet2骨干网，但我们的框架成功建模了区域节点（如波士顿）和国际交换枢纽（如达拉斯）之间极端方差的能力，提供了有力证据表明该方法将推广到具有多样化拓扑的其他REN环境。

VI 讨论、结论与未来工作

我们的结果为基线保真度提供了明确的判定，并为保护REN环境所需的架构特性提供了深刻洞察。先进的长序列模型表现出明显的优越性。对于PatchTST，这归因于自注意力（公式4）并行处理序列的能力。对于TiDE，优越性源于其深度多层感知器（MLP）编码器-解码器结构，该结构有效捕获长程依赖关系，并通过将异常映射到密集潜空间而表现出对异常的固有鲁棒性。

VI-A 运营安全建议

基于我们的全面评估，我们提供了第一个基于证据的REN安全基线部署框架，总结于表VII。

安全策略：我们的分析确认6小时预测范围在基线准确性和可操作的提前期之间提供了最佳平衡。这使安全团队能够为预期的大象流预配置防火墙和QoS策略。每路由器优化的需求对于避免在多样化网络段中产生假阳性至关重要。

韧性与成本：对于资源受限的边缘设备，XGBoost作为优秀的"故障转移"选项，以最小延迟提供有竞争力的基线。对于核心路由器，TiDE提供最高的保真度。建议每周重新训练以调整安全基线以适应演变的科学工作负载。

更广泛的影响是显著的：通过实现自主的、预测性的基线，这项工作使安全系统能够过滤掉合法的突发，将分析人员的注意力集中在真正的威胁上。

表VII：运营安全部署建议

该框架将我们的关键发现综合为一套可操作指南，用于在生产REN中部署鲁棒的安全基线。

VI-B 结论与未来方向

本研究首次在Internet2骨干网上进行了大规模、异常感知的流量预测基准测试。通过分析10台路由器上的137亿个数据包，我们证明了现代长序列架构（如TiDE）可以将基线预测误差降低超过30%，显著提高了安全系统区分合法科学突发与流量型攻击的能力。

虽然我们的研究建立了坚实的基础，但我们承认若干局限性，这些局限性定义了明确的未来研究路径。首先，我们57天的时域范围无法捕获与年度学术周期相关的长期季节效应；需要进行延长的纵向研究。其次，我们的单变量、每路由器方法作为必要的第一道防线，但忽略了更广泛的网络范围空间依赖关系。最后，需要在其他REN（如ESnet、GÉANT）上进行验证以确认泛化性。由于数据隐私限制，原始NetFlow数据集无法公开发布。为缓解这一问题并确保可复现性，我们承诺发布所有处理脚本、模型训练代码以及所有变体的完整综合评估报告。

未来工作将集中在解决这些局限性的三个关键安全前沿：

• 对抗鲁棒性与时空建模：评估这些基线在复杂的"模型投毒"攻击下的表现，并扩展框架以纳入图神经网络（GNNs）来建模路由器间的空间依赖关系。
• 隐私保护联邦学习：开发协议使多个REN能够在不共享敏感流量数据的情况下协作训练安全模型。
• 可解释AI（XAI）：集成可解释性工具以帮助安全分析人员理解基线偏差发生的原因，促进对自主响应系统的信任。

最终，这项工作实现了从反应式入侵检测到主动式预测韧性的转变，确保了支撑现代科学的数字基础设施的安全性和可用性。