本文關(guān)鍵詞： 流量分類 聚類算法 高斯混合模型 最小描述長度(MDL)準(zhǔn)則　出處：《計算機(jī)工程與應(yīng)用》2015年21期 　論文類型：期刊論文

【摘要】：網(wǎng)絡(luò)流量分類技術(shù)對網(wǎng)絡(luò)安全管理起著非常重要的作用。隨著網(wǎng)絡(luò)和信息技術(shù)的發(fā)展,傳統(tǒng)的基于端口號和深度包檢測分類方法的局限性愈發(fā)明顯,不能對現(xiàn)有的流量進(jìn)行準(zhǔn)確分類。提出一種基于流相關(guān)性的半監(jiān)督網(wǎng)絡(luò)流量分類算法,并使用MDL-CON高斯混合模型作為聚類模型,通過聚類過程中利用流之間的相關(guān)性提高模型的準(zhǔn)確度。采用MDL準(zhǔn)則解決了高斯混合模型需要人為預(yù)先設(shè)定類簇數(shù)目和高度依賴于初始值的問題。實驗結(jié)果表明,利用該方法來處理流量分類問題可取得理想的分類效果。
[Abstract]:Network traffic classification technology plays a very important role in network security management. With the development of network and information technology, the limitations of traditional classification methods based on port number and depth packet detection become more and more obvious. A semi-supervised network traffic classification algorithm based on flow correlation is proposed, and MDL-CON Gao Si hybrid model is used as the clustering model. The accuracy of the model is improved by using the correlation between streams in the clustering process. The MDL criterion is used to solve the problem that the number of clusters and the height of dependence on the initial value of the Gao Si mixed model need to be set artificially. The experimental results show that the model is highly dependent on the initial value. To show. Using this method to deal with the problem of traffic classification can achieve an ideal classification effect.
【作者單位】： 北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院;
【基金】：國家科技支撐計劃(No.2010BACB)
【分類號】：TP393.06
【正文快照】： 近年來,隨著互聯(lián)網(wǎng)規(guī)模不斷擴(kuò)大,網(wǎng)絡(luò)流量分類在增強(qiáng)互聯(lián)網(wǎng)可控性、保障網(wǎng)絡(luò)安全等方面起著日益重要的作用[1]。通過對網(wǎng)絡(luò)流量類型進(jìn)行分析,網(wǎng)絡(luò)管理人員可以在細(xì)粒度層次上規(guī)劃網(wǎng)絡(luò)流量、平衡網(wǎng)絡(luò)資源、去除異常流量,從而保證網(wǎng)絡(luò)安全運(yùn)行。網(wǎng)絡(luò)流量分類主要包含基于端口號

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 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

相關(guān)碩士學(xué)位論文 前1條

1 鄧河;基于機(jī)器學(xué)習(xí)方法的網(wǎng)絡(luò)流量分類研究[D];湖南工業(yè)大學(xué);2009年

【共引文獻(xiàn)】

相關(guān)期刊論文 前9條

1 李國平;王勇;陶曉玲;;基于DPI和機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法[J];桂林電子科技大學(xué)學(xué)報;2012年02期

2 王暉;季振洲;朱素霞;;自相似網(wǎng)絡(luò)流量模型研究[J];智能計算機(jī)與應(yīng)用;2013年02期

3 姜羽;華俊;胡靜;宋鐵成;劉世棟;郭經(jīng)紅;;電力信息通信網(wǎng)絡(luò)流量識別技術(shù)研究[J];信息化研究;2015年01期

4 曹自剛;熊剛;趙詠;郭莉;;隱蔽式網(wǎng)絡(luò)攻擊綜述[J];集成技術(shù);2014年02期

5 楊宜辰;李敬兆;詹林;;基于樣本縮減的支持向量機(jī)在流分類中的應(yīng)用[J];計算機(jī)與數(shù)字工程;2014年02期

6 王煒;程東年;馬海龍;;基于趨勢感知協(xié)議指紋的Skype加密流量識別算法[J];計算機(jī)應(yīng)用研究;2015年01期

7 李丹丹;田春偉;李佰洋;孫廣路;康健;;基于子空間聚類的網(wǎng)絡(luò)流量分類方法[J];哈爾濱理工大學(xué)學(xué)報;2015年02期

8 楊宇;毛力;王曉鋒;周長喜;;基于改進(jìn)人工蜂群參數(shù)尋優(yōu)的網(wǎng)絡(luò)行為分類[J];江南大學(xué)學(xué)報(自然科學(xué)版);2015年05期

9 邢玉鳳;毛艷瓊;;基于有督導(dǎo)機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量識別系統(tǒng)[J];現(xiàn)代電子技術(shù);2015年21期

相關(guān)博士學(xué)位論文 前2條

1 王暉;自相似網(wǎng)絡(luò)流量流體流模型及主動隊列管理算法研究[D];哈爾濱工業(yè)大學(xué);2013年

2 王妮妮;基于智能計算技術(shù)的時間序列分割及預(yù)測研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 葉子倩;網(wǎng)絡(luò)應(yīng)用協(xié)議識別研究[D];大連海事大學(xué);2013年

2 扶佩佩;針對SSL協(xié)議的網(wǎng)絡(luò)應(yīng)用精細(xì)化分類技術(shù)研究[D];北京郵電大學(xué);2013年

3 李佳;基于XBRL的PDF財務(wù)報告信息處理方法及實現(xiàn)研究[D];華東師范大學(xué);2013年

4 秦志強(qiáng);企業(yè)網(wǎng)網(wǎng)絡(luò)應(yīng)用識別系統(tǒng)的研究與實現(xiàn)[D];華南理工大學(xué);2013年

5 彭雄威;基于行為的網(wǎng)絡(luò)流量分類方法研究[D];華中科技大學(xué);2013年

6 劉子赫;基于GPU的網(wǎng)絡(luò)流量特征提取并行算法設(shè)計與實現(xiàn)[D];內(nèi)蒙古大學(xué);2014年

7 繆承志;基于k-means聚類和潛在語義分析的網(wǎng)絡(luò)流量分類方法研究[D];西安電子科技大學(xué);2014年

8 王金光;面向園區(qū)網(wǎng)絡(luò)的分層式流量區(qū)分系統(tǒng)的研究[D];濟(jì)南大學(xué);2014年

9 馮衛(wèi)廣;基于android平臺的流量監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2014年

10 楊宜辰;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類技術(shù)研究與應(yīng)用[D];安徽理工大學(xué);2014年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 徐鵬;劉瓊;林森;;基于支持向量機(jī)的Internet流量分類研究[J];計算機(jī)研究與發(fā)展;2009年03期

2 孫雷,王新;一種基于遺傳操作和類內(nèi)類間距離判據(jù)理論的特征選擇方法[J];計算機(jī)工程與應(yīng)用;2004年21期

3 陳亮;龔儉;徐選;;基于特征串的應(yīng)用層協(xié)議識別[J];計算機(jī)工程與應(yīng)用;2006年24期

4 何飛;李健;有悅;;基于流量工程的端到端網(wǎng)絡(luò)性能監(jiān)測系統(tǒng)[J];計算機(jī)科學(xué);2001年10期

5 彭蕓;劉瓊;;Internet流分類方法的比較研究[J];計算機(jī)科學(xué);2007年08期

6 楊哲;;基于SOM人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量聚類分析[J];計算機(jī)工程;2006年16期

7 王衛(wèi)玲;劉培玉;初建崇;;一種改進(jìn)的基于條件互信息的特征選擇算法[J];計算機(jī)應(yīng)用;2007年02期

8 劉穎秋;李巍;李云春;;網(wǎng)絡(luò)流量分類與應(yīng)用識別的研究[J];計算機(jī)應(yīng)用研究;2008年05期

9 張文;侯立東;;基于傳輸層標(biāo)志位的P2P流量識別技術(shù)[J];科技資訊;2007年01期

相關(guān)碩士學(xué)位論文 前1條

1 童行行;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分析研究[D];清華大學(xué);2005年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許曉東;熊衛(wèi)斌;朱士瑞;;基于高斯混合模型的流量矩陣估算研究[J];計算機(jī)工程;2009年14期

2 韓曉峰;;基于自回歸的高斯混合模型[J];科技風(fēng);2009年23期

3 黃偉,戴蓓劏,李輝;基于分類特征空間高斯混合模型和神經(jīng)網(wǎng)絡(luò)融合的說話人識別[J];電子與信息學(xué)報;2004年10期

4 李麗娟;葉茂;趙欣;;基于高斯混合模型流行音樂中歌唱部分的智能檢測[J];小型微型計算機(jī)系統(tǒng);2009年05期

5 張欽禮;王士同;譚左平;;二型Takagi-Sugeno-Kang模糊模型和不確定高斯混合模型的等價性[J];控制理論與應(yīng)用;2009年02期

6 仲莉恩;隋立林;;基于高斯混合模型陰影消除算法研究[J];中國電力教育;2009年S2期

7 陳世文;蔡念;唐孝艷;;一種基于高斯混合模型的運(yùn)動目標(biāo)檢測改進(jìn)算法[J];現(xiàn)代電子技術(shù);2010年02期

8 孟益方;歐陽寧;莫建文;張彤;;基于高斯混合模型的陰影消除算法[J];計算機(jī)仿真;2010年01期

9 強(qiáng)繼平;謝劍斌;陳章永;程永茂;劉通;;復(fù)雜環(huán)境下基于高斯混合模型的目標(biāo)檢測方法[J];微計算機(jī)信息;2010年02期

10 黃浩;哈力旦;;大間隔高斯混合模型的快速參數(shù)更新算法[J];計算機(jī)工程;2010年03期

相關(guān)會議論文 前10條

1 駱俊;馬盡文;;高斯混合模型的遺傳分基融合算法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

2 廖頻;沈理;;基于高斯混合模型的人臉圖象識別研究[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

3 馬盡文;何學(xué)鋒;;高斯混合模型的數(shù)據(jù)尺度可壓縮參數(shù)學(xué)習(xí)算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

4 瞿俊;姜青山;董槐林;;基于高斯混合模型的層次聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

5 蔡念;郭文婷;陳世文;潘晴;;融合高斯混合模型和小波變換的運(yùn)動目標(biāo)檢測[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

6 龍艷花;郭武;戴禮榮;;一種應(yīng)用于SVM說話者確認(rèn)系統(tǒng)的新型序列核[A];第九屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2007年

7 劉李漫;陶文兵;田金文;;融合多高斯混合模型與Graph Cuts優(yōu)化技術(shù)的目標(biāo)自動檢測方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

8 康永國;雙志偉;陶建華;張維;徐波;;高斯混合模型和碼本映射相結(jié)合的語音轉(zhuǎn)換算法[A];第八屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2005年

9 應(yīng)冬文;顏永紅;付強(qiáng);國雁萌;;基于約束高斯混合模型的噪聲功率譜估計[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

10 唐英干;劉東;關(guān)新平;;基于高斯混合模型的多分辨率圖像分割[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 陳雪峰;圖像高斯混合模型的判別學(xué)習(xí)方法[D];北京理工大學(xué);2009年

2 賴裕平;非高斯混合模型的變分學(xué)習(xí)算法研究[D];北京郵電大學(xué);2014年

3 劉輝;miRNA靶標(biāo)預(yù)測的系統(tǒng)生物學(xué)方法研究[D];中國礦業(yè)大學(xué);2009年

4 陶建斌;貝葉斯網(wǎng)絡(luò)模型在遙感影像分類中的應(yīng)用方法研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 韓曉峰;高斯混合模型及在探測網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)中的應(yīng)用[D];山東科技大學(xué);2010年

2 陳英;高斯混合模型聚類及其優(yōu)化算法研究[D];華東交通大學(xué);2015年

3 付強(qiáng);基于高斯混合模型的語種識別的研究[D];中國科學(xué)技術(shù)大學(xué);2009年

4 張樹偉;醫(yī)學(xué)圖像的高斯混合模型及聚類研究[D];江蘇大學(xué);2010年

5 張蓓;基于高斯混合模型的基因表達(dá)組織特異性研究[D];天津大學(xué);2010年

6 陳增煬;基于自適應(yīng)高斯混合模型說話人識別的研究[D];南京理工大學(xué);2007年

7 古俊哲;有限高斯混合模型聚類算法的研究[D];蘭州商學(xué)院;2014年

8 宋楊;基于高斯混合模型的運(yùn)動目標(biāo)檢測算法研究[D];大連理工大學(xué);2009年

9 于瑩瑩;基于高斯混合模型的頻帶擴(kuò)展算法的研究[D];北京理工大學(xué);2015年

10 傅昌寧;基于高斯混合模型的圖像序列運(yùn)動目標(biāo)檢測技術(shù)研究[D];武漢理工大學(xué);2009年

，

本文編號：1450800