本文選題：網(wǎng)絡流特征 + 時頻分析�。� 參考：《電子科技大學》2014年碩士論文

【摘要】：網(wǎng)絡流特征是指能夠體現(xiàn)和表征網(wǎng)絡流行為模式的抽象實體,是網(wǎng)絡流分類、網(wǎng)絡節(jié)點識別、流量監(jiān)控管理等領域的基礎。在處理網(wǎng)絡擁塞和惡意攻擊、了解網(wǎng)絡運行狀況、流量分布等方面問題,以及網(wǎng)絡服務提供商制定網(wǎng)絡流控策略和運營策略時,基于網(wǎng)絡流特征的網(wǎng)絡流或網(wǎng)絡節(jié)點分類技術能夠提供數(shù)據(jù)分析方面的支持,因此也就成為了整個互聯(lián)網(wǎng)領域的研究熱點。現(xiàn)有研究中使用的網(wǎng)絡流特征絕大部分是時域特征,而實驗表明,時域特征參數(shù)容易受網(wǎng)絡環(huán)境的影響,分類效果不穩(wěn)定。因此本文引入了時頻分析的思路,對網(wǎng)絡流的時域特征進行時頻分析,提取并形成時頻特征參數(shù),然后采用機器學習的方法對網(wǎng)絡流或節(jié)點進行分類。整體工作如下:1.時頻分析及時頻特征參數(shù)的提取。在網(wǎng)絡流或節(jié)點分類中,每一種類型的流或節(jié)點必然存在自己獨特的通信模式,也稱為“特征指紋”,因此我們選取出能夠體現(xiàn)出不同類型流或節(jié)點的本質特點的時域特征,對其進行時頻分析。時頻分析包含多種時頻變換方法(時頻分布函數(shù)),理論上時頻分布函數(shù)可以有無窮多個,各分布函數(shù)存在不同的性質、特點和應用效果。因此,我們選取了短時傅里葉變換、小波包分解和Choi-Williams分布這三種具有代表性的時頻變換函數(shù),并在后續(xù)工作中比對分析了它們對流分類結果的影響。在時頻分析之后是時頻特征參數(shù)的提取。流時域特征信號轉換到時頻域后,是以時頻矩陣的形式呈現(xiàn)的,數(shù)據(jù)量大且矩陣大小不固定,無法直接用于機器學習。因此,如何從流特征的時頻矩陣中提煉出精簡的特征參數(shù)同時又能盡量減少信息的丟失,也就成為了另一個關鍵問題。本文采用了基于統(tǒng)計學和基于Renyi熵的方法,對時頻矩陣進行處理并從中提取出時頻特征參數(shù),以進行后續(xù)的分類。2.流特征的時頻分析在P2P流識別中的應用。本文首先分析了P2P流在應用層的通信特點,即數(shù)據(jù)分塊、多點并行傳輸?shù)奶攸c,一條P2P流中會出現(xiàn)周期性傳輸大小相似的數(shù)據(jù)塊的現(xiàn)象,而在其他應用流中則未發(fā)現(xiàn)。因此,我們提取每秒傳輸?shù)臄?shù)據(jù)包個數(shù)和比特數(shù)的序列作為其時域特征,進行時頻分析。同時考慮到P2P應用在資源分塊傳輸時,雙向流之間會呈現(xiàn)出某種同步的周期性變化,因此,我們將雙向流作為分類的基本單位。3.流特征的時頻分析在NAT節(jié)點識別中的應用。本文針對NAT(網(wǎng)絡地址轉換)技術將多個內(nèi)部私有IP地址綁定轉換成一個合法的公網(wǎng)IP地址這一特點,分析出普通的IP地址對應的連接數(shù)(可以用其保持的五元組流個數(shù)表示)更少并且突發(fā)性和隨機性更高,而NAT轉換后的IP地址因為聚合了多個IP,其宏觀上保持連接的五元組流數(shù)量更多并且更加平穩(wěn)。因此我們提取出IP節(jié)點每分鐘內(nèi)保持連接的流數(shù)目以及新生和消亡的流數(shù)目,作為時域特征進行時頻分析。我們以各個IP節(jié)點對應的聚合流作為分類基本單位。
[Abstract]:The network flow characteristic refers to an abstract entity capable of embodying and characterizing the popularity of the network , which is the basis of network flow classification , network node identification , traffic monitoring management and the like . In this paper , we select the characteristic of time - frequency transform , which is based on statistics and Renyi entropy , and then it can be used for machine learning . Therefore , how to extract simplified characteristic parameters from time - frequency matrix of flow characteristics and to minimize the loss of information can not be directly applied to machine learning .
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP393.06

【相似文獻】

相關期刊論文 前10條

1 武佳寧;;基于序列特征的網(wǎng)絡流分類方法研究[J];電子設計工程;2013年23期

2 張峰,雷振明;高速網(wǎng)絡流測量及模型研究[J];計算機工程與應用;2004年17期

3 阿呆;;Netronome:為亞太區(qū)量身定制解決方案[J];通訊世界;2011年04期

4 龍熙華;韓大中;;線性多商品網(wǎng)絡流算法與多煤種調(diào)運優(yōu)化[J];西安礦業(yè)學院學報;1987年03期

5 孫旺弟,徐和杰;網(wǎng)絡流理論在配水系統(tǒng)壓力優(yōu)化計算中的應用[J];鎮(zhèn)江船舶學院學報;1990年03期

6 高峰修,黃根勛,張利民;基于網(wǎng)絡流上的秘密共享體制[J];通信技術;2002年04期

7 葉麟;張宏莉;何慧;;基于主成分分析的網(wǎng)絡流相關性研究[J];計算機工程;2007年12期

8 季海波,楊蓓,沈廉;關于二元網(wǎng)絡流算法的一個推廣[J];中國科學技術大學學報;1998年03期

9 王可定，封樹標;多源點網(wǎng)絡流圖的計算機解法[J];系統(tǒng)工程理論與實踐;1994年08期

10 程叢電;陳曦;;一個局部帶優(yōu)先權的最大多物資網(wǎng)絡流問題[J];數(shù)學的實踐與認識;2014年03期

相關重要報紙文章 前2條

1 本報記者 龔保華;讓電視網(wǎng)絡流光溢彩[N];吉林日報;2013年

2 ;賽門鐵克ManHunt 網(wǎng)絡獵手[N];計算機世界;2003年

相關碩士學位論文 前10條

1 李丹丹;基于網(wǎng)絡流行為的網(wǎng)絡流分類技術研究[D];哈爾濱理工大學;2015年

2 蔣曉路;網(wǎng)絡流特征的時頻分析及其應用研究[D];電子科技大學;2014年

3 戚玉娥;基于網(wǎng)絡流的流量異常檢測研究[D];山東師范大學;2009年

4 王建敏;用優(yōu)化的正則表達式引擎進行快速網(wǎng)絡流分類[D];中國科學技術大學;2015年

5 樊煉;基于消息統(tǒng)計值的網(wǎng)絡流分類研究[D];華中科技大學;2008年

6 葉麟;基于網(wǎng)絡流相關性的大規(guī)模網(wǎng)絡異常發(fā)現(xiàn)技術研究[D];哈爾濱工業(yè)大學;2006年

7 張洛什;基于Cavium平臺的網(wǎng)絡流分類系統(tǒng)的設計與實現(xiàn)[D];哈爾濱理工大學;2011年

8 趙偉;基于網(wǎng)絡流特征的P2P網(wǎng)絡流量分類文學研究[D];西安電子科技大學;2013年

9 馬力;骨干通信網(wǎng)絡環(huán)境下的流量異常檢測與分類[D];電子科技大學;2012年

10 劉青;基于網(wǎng)絡流引擎卡的LTE網(wǎng)絡流量生成器的設計與實現(xiàn)[D];西安電子科技大學;2014年

，

本文編號：2114055