網(wǎng)絡(luò)的發(fā)達(dá)使得大數(shù)據(jù)成為了炙手可熱的時(shí)代產(chǎn)物。云時(shí)代的來(lái)臨,大量的非結(jié)構(gòu)化和半結(jié)構(gòu)化的數(shù)據(jù)需要一個(gè)像MapReduce的框架為成百上千臺(tái)計(jì)算機(jī)分配工作。網(wǎng)絡(luò)應(yīng)用呈多元化發(fā)展,網(wǎng)絡(luò)流量激增和網(wǎng)絡(luò)系統(tǒng)復(fù)雜性給網(wǎng)絡(luò)管理帶來(lái)了嚴(yán)峻挑戰(zhàn)。網(wǎng)絡(luò)流量分類是一種從數(shù)據(jù)中識(shí)別流量特征并分析其協(xié)議和應(yīng)用程序的技術(shù)。這種技術(shù)對(duì)于維護(hù)網(wǎng)絡(luò)安全,保障網(wǎng)絡(luò)運(yùn)營(yíng)和提高網(wǎng)絡(luò)服務(wù)質(zhì)量等方面具有重要意義。網(wǎng)絡(luò)流量分類一般有三個(gè)步驟:收集流量數(shù)據(jù),提取流量特征,并匹配分類流量。由于網(wǎng)絡(luò)流量數(shù)據(jù)在不可控的條件下會(huì)有數(shù)據(jù)量大、屬性雜亂以及屬性之間線性相關(guān)等特點(diǎn),因此,本文有兩個(gè)重點(diǎn)研究?jī)?nèi)容,分別側(cè)重于:數(shù)據(jù)降維處理和利用算法分類網(wǎng)絡(luò)流量。整理所得關(guān)于網(wǎng)絡(luò)流量分類的資料文獻(xiàn),獲得流量分類的背景和掌握流量分類的發(fā)展進(jìn)程,研究約簡(jiǎn)處理數(shù)據(jù)的方法包括以特征提取為原則的主成分分析（Principal Component Analysis,PCA）、以特征選擇為原則的粗糙集算法（Rough Set,RS）與極限學(xué)習(xí)機(jī)相結(jié)合對(duì)網(wǎng)絡(luò)流量分類的效果。論文主要工作包括:1.研究了數(shù)據(jù)預(yù)處理方法以及數(shù)據(jù)降維算法,數(shù)據(jù)預(yù)處理利用了科學(xué)工具整合了數(shù)據(jù)集... 

【文章來(lái)源】：湖南師范大學(xué)湖南省 211工程院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

文件傳輸線圖

圖 2-2 各主機(jī)文件傳輸出度與入度2.1 數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理究其根本指的是結(jié)構(gòu)化數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)適用于所有通用格式的數(shù)據(jù)比如：1. 多維數(shù)組/矩陣。2. 表格數(shù)據(jù)，其中每列可以是不同類型的數(shù)據(jù)，無(wú)論是字符串，日期還是值。例如，存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)或文本文件中的數(shù)據(jù)，其中制表符和逗號(hào)分隔符。3. 通過(guò)鍵列相互鏈接的多個(gè)表。4. 間隔平均/不平均的時(shí)間序列。大多數(shù)數(shù)據(jù)集可以轉(zhuǎn)換為更適合分析和建模的更結(jié)構(gòu)化的形式，即使難以轉(zhuǎn)換數(shù)據(jù)形式，也可以將其特征提取為結(jié)構(gòu)化形式。例如，可以將一組新聞文章處

圖 2-2 PCA 最大方差理論 特征提取的具體步驟如下：1：輸入數(shù)據(jù)集 X，對(duì) X 計(jì)算均值記為 Xmean，令 Xnew=X-Xmean。2：求得 Xnew的協(xié)方差，記為 covXnew。3：計(jì)算 covXnew的特征值和它的特征向量。4：特征值以降序排列，挑走前數(shù)個(gè)特征值對(duì)應(yīng)的特征向量組成特。5：計(jì)算 XnewW。把 Xnew投影至選定的特征向量上，得到降維后的成分分析[23]，它的英文縮寫是 KPCA，KPCA 是 PCA 的非線性擴(kuò)線性數(shù)據(jù)集的處理時(shí)，線性的 PCA 往往無(wú)法勝任此工作，而尺寸數(shù)據(jù)的 KPCA 可以挖掘數(shù)據(jù)集中包含的非線性信息。KPCA 的弱的選取較難，目前也沒(méi)有什么指導(dǎo)性方法可以參考。核函數(shù)的種類眾

【參考文獻(xiàn)】：
期刊論文
[1]AR-OSELM算法在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用研究[J]. 魏書寧,陳幸如,焦永,王進(jìn).  信息網(wǎng)絡(luò)安全. 2018(06)
[2]基于ELM的網(wǎng)絡(luò)流量分類及可視化研究[J]. 陳幸如,魏書寧.  安徽師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[3]AR-HELM算法在網(wǎng)絡(luò)流量分類中的應(yīng)用研究[J]. 魏書寧,陳幸如,唐勇,劉慧.  信息網(wǎng)絡(luò)安全. 2018(01)
[4]基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類算法分析研究[J]. 李曉明,任慧,顏金堯.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[5]基于隨機(jī)森林的流量多特征提取與分類研究[J]. 韋澤鯤,夏靖波,張曉燕,付凱,申健.  傳感器與微系統(tǒng). 2016(12)
[6]網(wǎng)絡(luò)加密流量識(shí)別研究綜述及展望[J]. 潘吳斌,程光,郭曉軍,黃順翔.  通信學(xué)報(bào). 2016(09)
[7]在線學(xué)習(xí)的大規(guī)模網(wǎng)絡(luò)流量分類研究[J]. 易磊,潘志松,邱俊洋,薛膠,任會(huì)峰.  智能系統(tǒng)學(xué)報(bào). 2016(03)
[8]面向多類不均衡網(wǎng)絡(luò)流量的特征選擇方法[J]. 孫興斌,孫彥贊,鄭小盈,芮赟.  計(jì)算機(jī)應(yīng)用研究. 2017(02)
[9]一種基于集成學(xué)習(xí)的流量分類算法[J]. 李林林,張效義,張霞,李青.  信息工程大學(xué)學(xué)報(bào). 2015(02)
[10]基于半監(jiān)督的網(wǎng)絡(luò)流量分類識(shí)別算法[J]. 周文剛,陳雷霆,Lubomir Bic,董仕.  電子測(cè)量與儀器學(xué)報(bào). 2014(04)

碩士論文
[1]核PCA特征提取方法及其應(yīng)用研究[D]. 高緒偉.南京航空航天大學(xué) 2009



本文編號(hào)：2951209