【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展,對(duì)于網(wǎng)絡(luò)環(huán)境安全的需要也越來(lái)越緊迫。網(wǎng)絡(luò)流量分類技術(shù)作為實(shí)現(xiàn)網(wǎng)絡(luò)可控性的基礎(chǔ)技術(shù)和重要手段,在網(wǎng)絡(luò)管理、服務(wù)質(zhì)量保障和網(wǎng)絡(luò)安全等領(lǐng)域正在發(fā)揮越來(lái)越重要的作用。本文研究了現(xiàn)有的網(wǎng)絡(luò)流量分類技術(shù),總結(jié)了基于端口號(hào)匹配、基于特征字段分析、基于傳輸層行為模式和基于流統(tǒng)計(jì)特征的機(jī)器學(xué)習(xí)方法各自的優(yōu)勢(shì)和不足。鑒于基于機(jī)器學(xué)習(xí)算法的網(wǎng)絡(luò)流量分類技術(shù)分類精度高、易于擴(kuò)展等優(yōu)點(diǎn),選取隨機(jī)森林作為網(wǎng)絡(luò)流量分類方法,并針對(duì)傳統(tǒng)隨機(jī)森林的不足提出了改進(jìn)策略,最后再將改進(jìn)的隨機(jī)森林策略實(shí)現(xiàn)到OCTEON平臺(tái)上,設(shè)計(jì)并實(shí)現(xiàn)了基于OCTEON多核處理器的網(wǎng)絡(luò)流量分類系統(tǒng)。最后,搭建了系統(tǒng)測(cè)試環(huán)境,對(duì)系統(tǒng)進(jìn)行了有效性測(cè)試。主要工作有以下幾個(gè)方面:1、 在充分理解傳統(tǒng)隨機(jī)森林算法的基礎(chǔ)上,根據(jù)算法本身存在的單節(jié)點(diǎn)模型訓(xùn)練速度慢和不區(qū)分基分類器強(qiáng)弱性能差異的不足,從并行性和加權(quán)調(diào)整兩方面入手提出了改進(jìn)的隨機(jī)森林策略;2、 對(duì)OCTEON本身的硬件特性進(jìn)行研究,將OCTEON的運(yùn)行模式、核間同步通信機(jī)制和內(nèi)存分配機(jī)制等優(yōu)秀特性與改機(jī)的隨機(jī)森林策略結(jié)合起來(lái),在OCTEON平臺(tái)上實(shí)現(xiàn)改進(jìn)的隨機(jī)森林模型;3、 實(shí)現(xiàn)了基于OCTEON多核處理器的網(wǎng)絡(luò)流量分類系統(tǒng),詳細(xì)介紹了系統(tǒng)的架構(gòu)設(shè)計(jì),各個(gè)功能模塊的詳細(xì)設(shè)計(jì)和實(shí)現(xiàn),并搭建了系統(tǒng)測(cè)試環(huán)境,對(duì)系統(tǒng)的分類性能進(jìn)行了測(cè)試,驗(yàn)證了系統(tǒng)在流量分類方面的優(yōu)異性能。
[Abstract]:With the rapid development of Internet technology, the need for network environment security is becoming more and more urgent. As the basic technology and important means to realize network controllability, network traffic classification technology is playing a more and more important role in network management, quality of service assurance and network security. In this paper, the existing network traffic classification techniques are studied, and the advantages and disadvantages of the methods based on port number matching, feature field analysis, transport layer behavior pattern and flow statistics feature based machine learning are summarized. In view of the advantages of network traffic classification based on machine learning algorithm, such as high accuracy and easy to be extended, random forest is selected as network traffic classification method, and an improved strategy is proposed to overcome the shortcomings of traditional stochastic forest. Finally, the improved stochastic forest strategy is implemented on OCTEON platform, and a network traffic classification system based on OCTEON multi-core processor is designed and implemented. Finally, the system testing environment is built, and the effectiveness of the system is tested. The main work includes the following aspects: 1. On the basis of fully understanding the traditional stochastic forest algorithm, according to the shortcomings of the single node model training speed and the difference in the performance of the base classifier, In this paper, an improved stochastic forest strategy is put forward from two aspects of parallelism and weighting adjustment. The hardware characteristics of OCTEON are studied, and the operation mode of OCTEON is put forward. Combining the excellent characteristics of synchronous communication mechanism and memory allocation mechanism between cores with the random forest strategy of the machine, an improved stochastic forest model, named as "random forest model", is implemented on the OCTEON platform, and a network traffic classification system based on OCTEON multi-core processor is implemented. The architecture design of the system and the detailed design and implementation of each functional module are introduced in detail. The system testing environment is built, and the classification performance of the system is tested, which verifies the excellent performance of the system in traffic classification.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP332;TP393.06

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張澤鑫;李俊;常向青;;互聯(lián)網(wǎng)流量的演化研究[J];計(jì)算機(jī)應(yīng)用研究;2015年11期

2 寇曉斌;楊琴;王亮亮;;主流處理器體系結(jié)構(gòu)與架構(gòu)發(fā)展現(xiàn)狀綜述[J];微型機(jī)與應(yīng)用;2014年16期

3 張凱;秦勃;劉其成;;基于GPU-Hadoop的并行計(jì)算框架研究與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2014年08期

4 周文剛;陳雷霆;Lubomir Bic;董仕;;基于半監(jiān)督的網(wǎng)絡(luò)流量分類識(shí)別算法[J];電子測(cè)量與儀器學(xué)報(bào);2014年04期

5 彭勃;;Network Traffic分類方法比較分析[J];電腦知識(shí)與技術(shù);2013年33期

6 李斌;;網(wǎng)絡(luò)流量分類及其現(xiàn)狀研究[J];廣西教育;2013年39期

7 趙小歡;夏靖波;連向磊;李巧麗;;基于AdaBoost的組合網(wǎng)絡(luò)流量分類方法[J];電訊技術(shù);2013年09期

8 彭曉明;郭浩然;龐建民;;多核處理器——技術(shù)、趨勢(shì)和挑戰(zhàn)[J];計(jì)算機(jī)科學(xué);2012年S3期

9 孔蓓蓓;唐學(xué)文;汪為漢;;一種多分類器聯(lián)合的集成網(wǎng)絡(luò)流量分類方法[J];計(jì)算機(jī)工程與應(yīng)用;2013年17期

10 李國(guó)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(bào);2012年02期

相關(guān)博士學(xué)位論文 前1條

1 王清;集成學(xué)習(xí)中若干關(guān)鍵問(wèn)題的研究[D];復(fù)旦大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 程順超;基于Calculix的多核并行分析機(jī)制研究及平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[D];廣東工業(yè)大學(xué);2015年

2 陳嘉翼;基于小波聚類的網(wǎng)絡(luò)用戶行為分析研究[D];重慶大學(xué);2015年

3 遇炳昕;基于OCTEON多核處理器的網(wǎng)絡(luò)數(shù)據(jù)過(guò)濾技術(shù)研究[D];北京郵電大學(xué);2015年

4 丁瑤;基于DPI和DFI的應(yīng)用層網(wǎng)絡(luò)流量監(jiān)控系統(tǒng)的研究與實(shí)現(xiàn)[D];江西理工大學(xué);2014年

5 張瑩;基于數(shù)據(jù)流挖掘的流量識(shí)別技術(shù)研究[D];曲阜師范大學(xué);2014年

6 劉曉東;基于組合策略的隨機(jī)森林方法研究[D];大連理工大學(xué);2013年

7 王瑤;結(jié)合主動(dòng)學(xué)習(xí)的半監(jiān)督分類算法優(yōu)化研究[D];大連理工大學(xué);2013年

8 馬憲哲;基于集成分類器的數(shù)據(jù)流分類算法研究[D];東北大學(xué);2012年

9 秦海兵;基于多核平臺(tái)的程序并行優(yōu)化研究[D];長(zhǎng)安大學(xué);2012年

10 王傳磊;基于行為特征的P2P網(wǎng)絡(luò)流量分類方法研究[D];西安電子科技大學(xué);2012年

，

本文編號(hào)：2249563