發(fā)布時間：2021-01-01 14:32

　　隨著網絡技術特別是移動互聯網的發(fā)展,社會日常生產生活已經越來越依賴于網絡。與此同時,維護網絡空間安全與網絡惡意攻擊活動之間一直處于相互博弈的過程,木馬、計算機蠕蟲、拒絕服務等網絡攻擊越來越頻繁,嚴重影響到人們對網絡的正常使用。網絡流量識別技術作為網絡安全的基礎,對保障網絡合理運行、維護信息安全具有重要作用。一方面,通過對流量的精準識別可以減少不必要的網絡連接,規(guī)避網絡攻擊風險。另一方面,網絡管理者通過流量識別能夠合理有效地分配網絡資源,提供更好的網絡服務。網絡流量識別技術從互聯網誕生開始,伴隨著人們網絡安全意識的提高,經歷了由簡到繁的發(fā)展過程。為了減少來自防火墻等安全設備不必要的阻斷,越來越多的網絡應用使用端口復用技術,導致基于預定義端口的流量識別方法已經基本失效。目前廣泛使用的基于模式匹配的DPI技術,以及基于流統(tǒng)計特征和機器學習算法的DFI技術,均存在手工標記大量樣本和提取識別特征的困難。另外,面對當前大規(guī)模的網絡數據,網絡流量識別的實時性與準確性之間難以達到良好的平衡,采用單一的識別技術已經難以滿足當前高速復雜網絡的需求。針對上述問題,本文緊緊圍繞基于深度學習的流量識別技術展開研... 

【文章來源】：戰(zhàn)略支援部隊信息工程大學河南省

【文章頁數】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究內容及創(chuàng)新點
    1.3 論文組織結構
第二章 相關工作
    2.1 網絡流量識別
        2.1.1 基于預定義端口
        2.1.2 深度包檢測
        2.1.3 深度流檢測
        2.1.4 深度學習方法
    2.2 手機流量識別
        2.2.1 用戶行為發(fā)現
        2.2.2 手機應用識別
    2.3 本章小結
第三章 基于視覺特征的流量圖像轉化方法
    3.1 網絡應用流量分析
    3.2 流量圖像轉化方法
        3.2.1 有效數據提取
        3.2.2 二維圖像轉化
    3.3 手機流量圖像數據集
    3.4 本章小結
第四章 基于變分自編碼網絡VAEN的半監(jiān)督流量識別方法
    4.1 自動編碼器
    4.2 變分自編碼算法
    4.3 變分自編碼網絡模型VAEN
        4.3.1 基于多層感知器非線性擬合的無監(jiān)督特征提取
        4.3.2 基于多類型回歸的監(jiān)督分類識別
    4.4 實驗與分析
        4.4.1 網絡結構的確定
        4.4.2 樣本重建
        4.4.3 隱層特征可視化
        4.4.4 流量識別評價標準
        4.4.5 流量識別結果
    4.5 本章小結
第五章 基于二維卷積感知網絡2D-CPN的流量識別方法
    5.1 卷積自編碼算法
    5.2 二維卷積感知網絡模型2D-CPN
        5.2.1 卷積特征提取與重構
        5.2.2 基于多層感知器的特征映射
        5.2.3 基于預訓練和多類型回歸的模型訓練過程
    5.3 實驗與分析
        5.3.1 模型預訓練
        5.3.2 樣本重建
        5.3.3 隱層特征可視化
        5.3.4 流量識別結果
    5.4 本章小結
第六章 面向高速網絡的流量識別原型系統(tǒng)
    6.1 系統(tǒng)整體方案設計
    6.2 系統(tǒng)模塊設計與實現
        6.2.1 流負載均衡模塊
        6.2.2 前端識別模塊
        6.2.3 深度包檢測模塊
        6.2.4 深度學習識別模塊
    6.3 系統(tǒng)測試與分析
        6.3.1 實驗環(huán)境
        6.3.2 主機應用流量識別
        6.3.3 手機應用流量識別
        6.3.4 惡意程序流量識別
    6.4 本章小結
第七章 總結與展望
    7.1 工作總結
    7.2 下一步工作
致謝
參考文獻
作者簡歷


【參考文獻】：
期刊論文
[1]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang.  IEEE/CAA Journal of Automatica Sinica. 2016(02)
[2]基于TCP/IP協(xié)議的安全性分析[J]. 郭群.  電子制作. 2012(10)
[3]應用層協(xié)議識別算法綜述[J]. 陳亮,龔儉,徐選.  計算機科學. 2007(07)

博士論文
[1]網絡流量測量與識別關鍵技術研究[D]. 侯穎.解放軍信息工程大學 2015
[2]網絡流量分類識別若干技術研究[D]. 周文剛.電子科技大學 2014
[3]基于P2P流媒體模型的流量特征分析及實時分類[D]. 萬成威.解放軍信息工程大學 2012
[4]網絡流量識別關鍵技術研究[D]. 林冠洲.北京郵電大學 2011
[5]面向業(yè)務感知的流量監(jiān)控技術研究[D]. 朱洪亮.北京郵電大學 2010

碩士論文
[1]基于DPI的流量識別與控制系統(tǒng)的設計與實現[D]. 吳玉.北京郵電大學 2015
[2]基于DPI和DFI的應用層網絡流量監(jiān)控系統(tǒng)的研究與實現[D]. 丁瑤.江西理工大學 2014
[3]基于DPI與DFI的流量識別與控制系統(tǒng)的設計與實現[D]. 吳倩.電子科技大學 2013
[4]IP網絡流量監(jiān)測及用戶行為分析[D]. 李晗.北京郵電大學 2010
[5]深度包檢測技術的研究與設計[D]. 劉胤.貴州大學 2008



本文編號：2951462