本文關(guān)鍵詞：流統(tǒng)計特征在網(wǎng)絡(luò)流量分類中的應(yīng)用研究　出處：《杭州電子科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 網(wǎng)絡(luò)流量分類 統(tǒng)計特征 特征選擇 啟發(fā)式搜索

【摘要】：準(zhǔn)確識別網(wǎng)絡(luò)流量的類型，是網(wǎng)絡(luò)監(jiān)控與管理領(lǐng)域的基礎(chǔ)問題，也是研究中的熱點(diǎn)與難點(diǎn)之一。隨著網(wǎng)絡(luò)上的流量越來越多，流量的類型越來越復(fù)雜，傳統(tǒng)基于端口的分類技術(shù)與基于負(fù)載信息簽名的分類技術(shù)越來越無法滿足網(wǎng)絡(luò)分類的要求與發(fā)展，因此基于流統(tǒng)計特征的網(wǎng)絡(luò)流量分類技術(shù)也逐漸受到了更多的重視。本文在分析與總結(jié)國內(nèi)外相關(guān)研究的基礎(chǔ)之上，對基于流統(tǒng)計特征的網(wǎng)絡(luò)流量分類技術(shù)進(jìn)行了深入研究。本文的主要工作如下。 一方面，，提出了一種基于網(wǎng)絡(luò)流統(tǒng)計特征的分類方法。該方法從只包含數(shù)據(jù)包的原始流量中提取網(wǎng)絡(luò)流與基于流的統(tǒng)計特征，隨后使用基于K-means的聚類機(jī)器學(xué)習(xí)算法從網(wǎng)絡(luò)流中獲取流量簇，最后使用相關(guān)流與多數(shù)投票相結(jié)合的方式，對流量簇的類型進(jìn)行標(biāo)記。基于公開數(shù)據(jù)集的實(shí)驗(yàn)表明，本方法可以達(dá)到較高的分類精度與F-measure值。 另一方面，提出了一個基于流統(tǒng)計特征網(wǎng)絡(luò)流量分類的一般性工作流程框架，并在此基礎(chǔ)之上提出了一種網(wǎng)絡(luò)流量分類優(yōu)化方法。首先通過分析與總結(jié)前人相關(guān)成果，提出了一個基于流統(tǒng)計特征網(wǎng)絡(luò)流量分類的一般性工作流程框架。其次在此一般性工作流程框架基礎(chǔ)之上，先使用過濾器策略對分類過程中的統(tǒng)計特征進(jìn)行篩選，再將封裝器策略與啟發(fā)式特征搜索算法相結(jié)合，應(yīng)用序列前向搜索得到一個最優(yōu)特征集，最終使用此最優(yōu)特征集完成分類工作�；诠_數(shù)據(jù)集中不同數(shù)據(jù)片段的實(shí)驗(yàn)表明，該方法總是可以得到一組穩(wěn)定的最優(yōu)特征集；基于最優(yōu)特征集的分類實(shí)驗(yàn)表明，優(yōu)化后的分類方法在保證分類準(zhǔn)確率的前提下，可以獲得更好的時間效率。 綜上所述，本文提出了一種基于流統(tǒng)計特征的網(wǎng)絡(luò)流量分類技術(shù)，構(gòu)造了一個一般性的工作流程框架，并基于此框架提出了一種網(wǎng)絡(luò)流量分類的優(yōu)化方法，借助本優(yōu)化方法可以有效提升分類速度。
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.06

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 胡婷;王勇;陶曉玲;;網(wǎng)絡(luò)流量分類方法的比較研究[J];桂林電子科技大學(xué)學(xué)報;2010年03期

2 計智偉;胡珉;尹建新;;特征選擇算法綜述[J];電子設(shè)計工程;2011年09期

3 亢婷;魏立力;;一種基于粗糙集理論的啟發(fā)式特征選擇算法[J];計算機(jī)工程與應(yīng)用;2008年30期

4 賀玲;吳玲達(dá);蔡益朝;;數(shù)據(jù)挖掘中的聚類算法綜述[J];計算機(jī)應(yīng)用研究;2007年01期

5 張藝瀕;張志斌;趙詠;郭莉;;TCP與UDP網(wǎng)絡(luò)流量對比分析研究[J];計算機(jī)應(yīng)用研究;2010年06期

6 毛勇;周曉波;夏錚;尹征;孫優(yōu)賢;;特征選擇算法研究綜述[J];模式識別與人工智能;2007年02期

7 熊剛;孟姣;曹自剛;王勇;郭莉;方濱興;;網(wǎng)絡(luò)流量分類研究進(jìn)展與展望[J];集成技術(shù);2012年01期

本文編號：1312766