本文關(guān)鍵詞： 網(wǎng)絡(luò)流量分類 支持向量機 機器學(xué)習(xí) 加密流量分類　出處：《北京郵電大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：互聯(lián)網(wǎng)上的應(yīng)用數(shù)量越來越多,產(chǎn)生的流量越來越復(fù)雜,對網(wǎng)絡(luò)流量的分類識別,.以提高網(wǎng)絡(luò)的服務(wù)質(zhì)量和安全性也越來越重要。本文研究了支持向量機算法、網(wǎng)絡(luò)流量數(shù)據(jù)采集和特征生成方法、網(wǎng)絡(luò)流量特征篩選方法,并最終實現(xiàn)了基于支持向量機的網(wǎng)絡(luò)流量分類識別系統(tǒng),其識別精度最高可達91%,有著一定的實用價值。本文的主要工作,取得的主要研究成果如下： 著眼于不基于端口、協(xié)議和有效載荷的網(wǎng)絡(luò)流量分類識別方法�；ヂ�(lián)網(wǎng)上的非傳統(tǒng)應(yīng)用大多使用了動態(tài)端口技術(shù),數(shù)據(jù)也很少以明文格式傳輸,給傳統(tǒng)的基于端口和有效載荷的網(wǎng)絡(luò)流量分類識別方法帶來了很大困難。本文基于支持向量機算法,實現(xiàn)了獨立于端口和有效載荷的網(wǎng)絡(luò)流量分類識別方法。 提出了二十多個獨立于端口和有效載荷的網(wǎng)絡(luò)流量分類特征,并借鑒遞歸算法對其進行了篩選,篩選出了與分類結(jié)果相關(guān)度較高的網(wǎng)絡(luò)流量分類特征,為支持向量機的學(xué)習(xí)和分類做了良好的鋪墊。其中數(shù)據(jù)包大小的方差于P2P加密流量的有著非常高的相關(guān)性。 基于交叉比對的思想和grid方法對支持向量機的參數(shù)、核函數(shù)做了系統(tǒng)的調(diào)節(jié)和選擇,用cross validatation方法對調(diào)節(jié)后的支持向量機分類識別準(zhǔn)確率做最合理的統(tǒng)計,避免了支持向量機分類準(zhǔn)確率不穩(wěn)定或統(tǒng)計不準(zhǔn)確的情況。 實現(xiàn)了基于支持向量機的流量分類識別系統(tǒng),最終對于P2P加密流量的識別準(zhǔn)確率最高可達91%,克服了傳統(tǒng)流量識別的弊端,而且達到了相當(dāng)可信的準(zhǔn)確率,有著一定的實用價值。
[Abstract]:In order to improve the quality of service and security of the network, it is more and more important to classify and identify the network traffic because of the more and more applications on the Internet. In this paper, support vector machine (SVM) algorithm is studied. Network traffic data collection and feature generation method, network traffic feature screening method, and finally realize the support vector machine based network traffic classification and identification system. Its recognition accuracy can be up to 91 and has certain practical value. The main work of this paper and the main research results obtained are as follows:. Classification and identification of network traffic based on ports, protocols and payloads. Most of the non-traditional applications on the Internet use dynamic port technology, and data are rarely transmitted in plaintext format. It brings great difficulties to the traditional methods of network traffic classification and identification based on port and payload. Based on support vector machine (SVM) algorithm, a network traffic classification and identification method independent of port and payload is implemented in this paper. More than 20 network traffic classification features which are independent of ports and payloads are proposed, and the recursive algorithm is used to screen them, and the network traffic classification features with high correlation with classification results are selected. The variance of packet size has a high correlation with P2P encrypted traffic. Based on the idea of cross alignment and grid method, the kernel function of SVM is systematically adjusted and selected, and cross validatation method is used to make the most reasonable statistics on the accuracy of SVM classification and recognition after adjustment. The classification accuracy of SVM is not stable or the statistics are not accurate. The traffic classification and recognition system based on support vector machine is implemented. The recognition accuracy of P2P encrypted traffic is up to 91%, which overcomes the disadvantages of traditional traffic identification and achieves a very reliable accuracy. It has certain practical value.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP181;TP393.06

【相似文獻】

相關(guān)期刊論文 前10條

1 楊強,吳中福,余平,鐘將;基于正反饋的支持向量機[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2004年05期

2 孫蕾,周明全,李丙春;一種非平衡分布數(shù)據(jù)的支持向量機新算法[J];計算機應(yīng)用;2004年12期

3 黃勇;鄭春穎;宋忠虎;;多類支持向量機算法綜述[J];計算技術(shù)與自動化;2005年04期

4 楊強,吳中福,余萍,鐘將;一種新型支持向量機[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2005年02期

5 張猛,付麗華,王高峰;模糊臨近支持向量機[J];計算機工程與應(yīng)用;2005年05期

6 張浩然;汪曉東;張長江;徐秀玲;;一種新型回歸支持向量機的學(xué)習(xí)算法[J];測試技術(shù)學(xué)報;2006年02期

7 王曄;黃上騰;;基于間隔區(qū)域樣本數(shù)量的加權(quán)支持向量機[J];計算機工程;2006年06期

8 梁新榮;劉智勇;孫德山;毛宗源;;支持向量機在混沌系統(tǒng)預(yù)測中的應(yīng)用[J];計算機應(yīng)用研究;2006年05期

9 盧敏;張展羽;馮寶平;賈仁輔;;基于支持向量機的區(qū)域水安全預(yù)警模型及應(yīng)用[J];計算機工程;2006年15期

10 張陽;劉永革;景旭;;一種改進的線性支持向量機的特征篩選算法[J];西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版);2006年10期

相關(guān)會議論文 前10條

1 侯澍e，

本文編號：1527308