隨著互聯(lián)網(wǎng)規(guī)模的擴張和用戶的增長,全球范圍內(nèi)的互聯(lián)網(wǎng)數(shù)據(jù)流量也出現(xiàn)了爆炸式的增長,預計到2014年的數(shù)據(jù)規(guī)模將是2010年的四倍以上。伴隨著網(wǎng)絡(luò)流量的暴增,新的網(wǎng)絡(luò)業(yè)務(wù)類型也是層出不窮,故而對網(wǎng)絡(luò)流量的測量與分析也越發(fā)顯得重要。有別于基于端口號的流量識別、基于流量統(tǒng)計特征的流量分類識別和基于用戶社會行為的流量識別方式,基于深度包檢測技術(shù)的識別方式是一種準確性和實用性都很優(yōu)異的網(wǎng)絡(luò)流量識別方式,因而在實際的網(wǎng)絡(luò)運營管理中得到了廣泛的應(yīng)用�；谏疃劝鼨z測技術(shù)的識別主要依賴于系統(tǒng)中的特征庫對流量進行識別,特征管理的效率和質(zhì)量將直接影響識別的效果。目前傳統(tǒng)的系統(tǒng)主要使用數(shù)組或者鏈表式進行管理,其效率難以跟上新應(yīng)用不斷出現(xiàn)帶來的更新需要,因此需要提出一種更好的特征庫管理方案來適應(yīng)這些需求。本論文根據(jù)目前的特征管理方式,借鑒了蠕蟲攻擊檢測領(lǐng)域?qū)θ湎x特征的特征管理方式,提出了利用新的使用特征生成樹來管理應(yīng)用協(xié)議特征的方法,利用樹形結(jié)構(gòu)效率上的優(yōu)勢,提高了協(xié)議特征的使用效率。同時使用機器學習的方法,能夠動態(tài)的確定特征的準確率和誤判率,使得特征能夠在使用中不斷調(diào)整參數(shù),提升判斷的可靠率。最后實現(xiàn)了一套用... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 研究內(nèi)容與目標
    1.3. 論文結(jié)構(gòu)
第2章 課題背景技術(shù)簡介
    2.1 課題研究背景
    2.2 當前常見的幾種特征管理方式及優(yōu)缺點分析
    2.3 本章小結(jié)
第3章 特征格式文件的設(shè)計
    3.1 當前常見的特征文件格式及定義方式
    3.2 使用json定義一種通用的特征文件格式
    3.3 特征文件解析模塊
        3.3.1 JSON解析模塊的選擇與環(huán)境配置
        3.3.2 解析算法的實現(xiàn)
    3.4 本章小結(jié)
第4章 特征生成樹模塊的設(shè)計與實現(xiàn)
    4.1 特征生成樹簡介
        4.1.1 特征生成樹的概念
        4.1.2 特征生成樹的優(yōu)缺點分析
    4.3 特征庫生成樹模塊的實現(xiàn)
        4.3.1 特征的預處理模塊
        4.3.2 特征生成樹模塊的實現(xiàn)
    4.4 本章小結(jié)
第5章 特征生成樹的機器學習模塊設(shè)計與實現(xiàn)
    5.1 SigTree的機器學習的意義
    5.2 特征生成樹的器學習模塊的實現(xiàn)
    5.3 特征生成樹的機器學習模塊的改進
    5.4 本章小結(jié)
第6章 特征可視化部分的實現(xiàn)
    6.1 特征可視化的意義
    6.2 特征可視化模塊的實現(xiàn)
        6.2.1 特征可視化模塊的實現(xiàn)技術(shù)
        6.2.2 主界面的實現(xiàn)
        6.2.3 各個菜單項的實現(xiàn)
    6.3 本章小結(jié)
第7章 各模塊的效果測試
    7.1 生成樹模塊的效果測試
    7.2 特征可視化模塊的測試
    7.3 本章小結(jié)
第8章 總結(jié)與展望
    8.1 論文工作總結(jié)
    8.2 展望
致謝



本文編號：3502090