網(wǎng)絡(luò)流量的日益激增和網(wǎng)絡(luò)技術(shù)的持續(xù)發(fā)展給有效的網(wǎng)絡(luò)安全管理和流量監(jiān)管帶來(lái)了巨大的挑戰(zhàn),而有效的網(wǎng)絡(luò)安全管理和流量監(jiān)管的前提是對(duì)網(wǎng)絡(luò)流量的可靠識(shí)別。因此,如何準(zhǔn)確、高效地識(shí)別網(wǎng)絡(luò)應(yīng)用流量成為當(dāng)今計(jì)算機(jī)網(wǎng)絡(luò)研究的熱門(mén)研究課題。本文針對(duì)基于聚類的網(wǎng)絡(luò)流量識(shí)別技術(shù)進(jìn)行了研究與分析。本文對(duì)基于K均值的半監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)流量識(shí)別方法進(jìn)行了研究�；趥鹘y(tǒng)K均值算法的流量識(shí)別技術(shù),受限于無(wú)監(jiān)督學(xué)習(xí)算法K均值算法自身容易陷入局部最優(yōu)解導(dǎo)致聚類準(zhǔn)確性不足的缺點(diǎn),無(wú)法得到理想的流量識(shí)別效果。而K均值聚類算法的不足主要由無(wú)法確定最優(yōu)聚類個(gè)數(shù)和不合理的隨機(jī)選取初始簇中心造成的。因此本文主要從K均值聚類的這兩個(gè)缺點(diǎn)出發(fā),對(duì)半監(jiān)督學(xué)習(xí)識(shí)別方法常用的K均值聚類方面進(jìn)行改進(jìn),得到較優(yōu)的流量識(shí)別方法。該算法基于密度的思想,通過(guò)在高密度區(qū)域選擇初始簇中心來(lái)改進(jìn)傳統(tǒng)K均值算法的初始類簇中心選擇問(wèn)題,同時(shí)基于流量分布原理引入聚類效果判定函數(shù)對(duì)最佳聚類個(gè)數(shù)進(jìn)行確定來(lái)改進(jìn)最優(yōu)聚類個(gè)數(shù)無(wú)法確定的問(wèn)題。通過(guò)與基于傳統(tǒng)K均值算法的流量識(shí)別做對(duì)比試驗(yàn),驗(yàn)證了該改進(jìn)算法在識(shí)別準(zhǔn)確率方面具有明顯優(yōu)勢(shì)。本文對(duì)在線流量識(shí)別方法進(jìn)行了研究。針對(duì)于大多數(shù)... 

【文章來(lái)源】：哈爾濱工程大學(xué)黑龍江省211工程院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 論文研究?jī)?nèi)容
    1.3 論文組織結(jié)構(gòu)
第2章 網(wǎng)絡(luò)流量識(shí)別相關(guān)技術(shù)背景介紹
    2.1 引言
    2.2 網(wǎng)絡(luò)流量識(shí)別技術(shù)發(fā)展歷程
    2.3 網(wǎng)絡(luò)流量識(shí)別的基礎(chǔ)概念
        2.3.1 網(wǎng)絡(luò)數(shù)據(jù)幀
        2.3.2 網(wǎng)絡(luò)數(shù)據(jù)流
        2.3.3 網(wǎng)絡(luò)流量識(shí)別
        2.3.4 主要判別標(biāo)準(zhǔn)
    2.4 流量識(shí)別技術(shù)研究現(xiàn)狀
        2.4.1 基于傳輸層端口映射的流量識(shí)別
        2.4.2 基于深度報(bào)文檢測(cè)的流量識(shí)別
        2.4.3 基于行為特征匹配的流量識(shí)別
        2.4.4 基于機(jī)器學(xué)習(xí)的流量識(shí)別
            2.4.4.1 數(shù)據(jù)流統(tǒng)計(jì)特征提取
            2.4.4.2 有監(jiān)督學(xué)習(xí)流量識(shí)別
            2.4.4.3 半監(jiān)督學(xué)習(xí)流量識(shí)別
            2.4.4.4 早期流量識(shí)別
    2.5 本章小結(jié)
第3章 基于改進(jìn)K均值算法的網(wǎng)絡(luò)流量識(shí)別
    3.1 引言
    3.2 K均值聚類算法
    3.3 基于改進(jìn)K均值的流量識(shí)別算法
        3.3.1 算法相關(guān)概念和定義
        3.3.2 算法描述
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 數(shù)據(jù)集和特征屬性
        3.4.2 實(shí)驗(yàn)環(huán)境和方案
        3.4.4 實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第4章 基于增量聚類算法的在線流量識(shí)別
    4.1 引言
    4.2 增量聚類算法
    4.3 在線流量識(shí)別方法
        4.3.1 特征屬性選擇
        4.3.2 方法描述
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)方案
        4.4.2 實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)的加密流量識(shí)別方法[J]. 程光,陳玉祥.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[2]一種基于分類存儲(chǔ)的空間高效Aho-Corasick算法[J]. 汪泓才,李訓(xùn)根.  計(jì)算機(jī)應(yīng)用與軟件. 2017(05)
[3]基于五元組加載荷特征的在線流量分類方法[J]. 黃盛林,王恩海,何燕玲,王偉.  科研信息化技術(shù)與應(yīng)用. 2015(05)
[4]高速網(wǎng)絡(luò)下P2P流量識(shí)別研究[J]. 穆箏,吳進(jìn),許書(shū)娟.  信息網(wǎng)絡(luò)安全. 2015(05)
[5]基于有效載荷大小的早期網(wǎng)絡(luò)流量識(shí)別(英文)[J]. 吳同,韓臻,王偉,彭立志.  Journal of Southeast University（English Edition）. 2014(03)
[6]基于加權(quán)累積和檢驗(yàn)的加密流量盲識(shí)別算法[J]. 趙博,郭虹,劉勤讓,鄔江興.  軟件學(xué)報(bào). 2013(06)
[7]Tor匿名通信流量在線識(shí)別方法[J]. 何高峰,楊明,羅軍舟,張璐.  軟件學(xué)報(bào). 2013(03)
[8]基于NetFlow記錄的高速應(yīng)用流量分類方法[J]. 陳亮,龔儉.  通信學(xué)報(bào). 2012(01)
[9]在線聚類的網(wǎng)絡(luò)流量識(shí)別[J]. 張劍,錢(qián)宗玨,壽國(guó)礎(chǔ),胡怡紅.  北京郵電大學(xué)學(xué)報(bào). 2011(01)
[10]增量聚類算法綜述[J]. 李桃迎,陳燕,秦勝君,李楠.  科學(xué)技術(shù)與工程. 2010(35)

博士論文
[1]網(wǎng)絡(luò)流量分類識(shí)別若干技術(shù)研究[D]. 周文剛.電子科技大學(xué) 2014

碩士論文
[1]基于DPI的流量識(shí)別方法研究與應(yīng)用[D]. 石林.江西理工大學(xué) 2015
[2]Snort入侵檢測(cè)系統(tǒng)中模式匹配算法的研究[D]. 劉惠.東北大學(xué) 2014
[3]基于有限狀態(tài)自動(dòng)機(jī)的中文多模式匹配算法研究[D]. 楊波.合肥工業(yè)大學(xué) 2013
[4]網(wǎng)絡(luò)通信中地址端口動(dòng)態(tài)跳變技術(shù)的研究與實(shí)現(xiàn)[D]. 豐偉.華中科技大學(xué) 2013



本文編號(hào)：3645813