應(yīng)用層協(xié)議識別是指從承載應(yīng)用層協(xié)議數(shù)據(jù)的網(wǎng)絡(luò)流量中提取出可以標(biāo)識應(yīng)用層協(xié)議的關(guān)鍵特征,并以這些關(guān)鍵特征為基礎(chǔ),將同種類型的應(yīng)用層協(xié)議數(shù)據(jù)劃分在一起。針對現(xiàn)有網(wǎng)絡(luò)流量識別方法對未知應(yīng)用層協(xié)議識別率低的問題,提出了一種自適應(yīng)聚類的未知應(yīng)用層協(xié)議識別方法。該方法以傳統(tǒng)的AGNES層次聚類算法為基礎(chǔ),依據(jù)網(wǎng)絡(luò)流應(yīng)用層協(xié)議數(shù)據(jù)的負(fù)載特征,基于相似度對應(yīng)用層協(xié)議進行聚類。方法將聚類算法中相似度計算劃分為聚類前應(yīng)用層協(xié)議數(shù)據(jù)間的相似度計算和聚類中簇間的相似度計算兩部分,避免了重復(fù)性地計算應(yīng)用層協(xié)議數(shù)據(jù)間的相似度,提升了算法的聚類效率。實驗結(jié)果表明所提出的方法能夠高效準(zhǔn)確地對未知協(xié)議的網(wǎng)絡(luò)流量進行識別。 

【文章來源】：計算機工程與應(yīng)用. 2020,56(05)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

聚類循環(huán)過程的示例

(3）未知應(yīng)用層協(xié)議聚類：對應(yīng)用層協(xié)議數(shù)據(jù)進行簇初始化，通過簇間相似度算法計算獲得簇間相似度，利用改進的聚類算法迭代反復(fù)，直至達(dá)到聚類停止條件，將同種應(yīng)用層協(xié)議數(shù)據(jù)聚集在一個簇中，最后輸出簇集合，集合中每一個簇即為一種應(yīng)用層協(xié)議所對應(yīng)的網(wǎng)絡(luò)流信息的集合。3.2 數(shù)據(jù)預(yù)處理

應(yīng)用層協(xié)議間相似度計算流程

【參考文獻(xiàn)】：
期刊論文
[1]A Novel Deep Learning Method for Application Identification in Wireless Network[J]. Jie Ren,Zulin Wang.  中國通信. 2018(10)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分類方法[J]. 王勇,周慧怡,俸皓,葉苗,柯文龍.  通信學(xué)報. 2018(01)
[3]網(wǎng)絡(luò)流量分類方法研究[J]. 鎮(zhèn)佳,朱國勝.  信息通信. 2017(08)
[4]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. 2015(02)
[5]基于譜聚類的網(wǎng)絡(luò)流量分類識別算法[J]. 周文剛,陳雷霆,董仕.  電子測量與儀器學(xué)報. 2013(12)
[6]基于自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量識別算法[J]. 譚駿,陳興蜀,杜敏,朱鍇.  電子科技大學(xué)學(xué)報. 2012(04)



本文編號：3006173