發(fā)布時間：2017-09-19 00:04

  本文關(guān)鍵詞：網(wǎng)絡流的時變特征分析

  更多相關(guān)文章： 網(wǎng)絡流 端主機 時頻變換

【摘要】：隨著互聯(lián)網(wǎng)規(guī)模的擴大和網(wǎng)絡流量的增多,如何對網(wǎng)絡流量和用戶行為進行監(jiān)管,成為了網(wǎng)絡管理者亟待解決的問題,如何利用網(wǎng)絡流以及網(wǎng)絡主機特征對網(wǎng)絡流和端主機進行識別便成為了研究熱點。但是,現(xiàn)有的網(wǎng)絡流分類方式主要是利用網(wǎng)絡流的時域統(tǒng)計特征進行識別,分類效果不穩(wěn)定。此外,現(xiàn)有研究中,對端主機的識別則處于相對空白的階段。針對上述的網(wǎng)絡流和端主機識別的研究現(xiàn)狀,本文詳細地分析了網(wǎng)絡流以及主機的時變特性,結(jié)合機器學習理論,提出了利用時頻變換提取網(wǎng)絡流和端主機的時變特征,從而對網(wǎng)絡流以及端主機進行識別的方法。具體工作如下：1、網(wǎng)絡流的時變特性分析。不同的網(wǎng)絡應用以及端主機,都對應著其獨特的通信模式,而時變特征便能有力地刻畫網(wǎng)絡流的不同行為模式。本文首先詳細介紹了基于時頻變換的時變特征提取方法,選取了12種不同時頻變換,挖掘?qū)臅r變特征。但是經(jīng)過時頻變換后得到的時頻矩陣維度巨大,不利于后續(xù)研究的展開,因此本文詳細介紹了Renyi熵、奇異值分解對矩陣特征的提取原理,并將其應用于時頻矩陣的降維之中。2、基于時變特征的網(wǎng)絡流分類方法研究。網(wǎng)絡應用可以根據(jù)其應用分為不同的業(yè)務類別,每一種業(yè)務類別都有其獨特的通信模式,我們首先將網(wǎng)絡應用分為了34種業(yè)務類別,從每秒傳輸字節(jié)數(shù)的角度分析了其變化情況,發(fā)現(xiàn)不同的業(yè)務類別有其各自的時變特點。于是,本文采用了每秒傳輸?shù)淖止?jié)數(shù)作為待變換的原始時域特征,經(jīng)過變換后的時頻矩陣采用了統(tǒng)計學理論與Renyi熵和奇異值分解相結(jié)合的方法作為特征降維方法,最后利用機器學習中的C4.5決策樹算法對網(wǎng)絡流進行了分類。通過分析驗證發(fā)現(xiàn),加入了時變特征之后更容易識別出長流,且將時變特征與傳統(tǒng)的統(tǒng)計特征相結(jié)合后會得到較好的分類效果。3、基于時變特征的端主機識別方法研究。與網(wǎng)絡流分類不同,端主機的識別應該站在主機層面上進行特征提取。本文詳細比較了不同端主機在一天的時間范圍內(nèi)的網(wǎng)絡流量變化趨勢,在時頻特征的基礎(chǔ)上加入了統(tǒng)計特征以及差分特征兩類特征對端主機進行識別。結(jié)果表明,利用這三類特征在小型網(wǎng)絡中進行的主機識別能取得較好的效果。
【關(guān)鍵詞】：網(wǎng)絡流 端主機 時頻變換
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.06

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 徐鵬;林森;;基于C4.5決策樹的流量分類方法[J];軟件學報;2009年10期

，

本文編號：878304