本文關(guān)鍵詞：基于DBN的網(wǎng)絡(luò)流量分類的研究

  更多相關(guān)文章： 神經(jīng)網(wǎng)絡(luò) DBN P2P流量 網(wǎng)絡(luò)流量分類

【摘要】：針對現(xiàn)有模型對P2P流量分類準(zhǔn)確率較低的問題,本文提出一種基于深度學(xué)習(xí)結(jié)構(gòu)、半監(jiān)督的深度置信網(wǎng)絡(luò)(Deep Belief Networks, DBN)的流量分類方法,構(gòu)造P2P流量合適的特征空間,建立基于DBN的網(wǎng)絡(luò)流量分類模型,并對模型的隱含節(jié)點個數(shù)和隱含層個數(shù)進(jìn)行選擇,進(jìn)而提高DBN模型對P2P流量的分類準(zhǔn)確率。本文使用基于進(jìn)程的方式構(gòu)造了P2P流量私有數(shù)據(jù)集,并將此數(shù)據(jù)集和劍橋大學(xué)Moore實驗室、LiWei等人提供的公共數(shù)據(jù)集作為本文的實驗數(shù)據(jù)集,分別使用BP方法和DBN方法進(jìn)行建模、測試并對實驗結(jié)果進(jìn)行分析。得出BP神經(jīng)網(wǎng)絡(luò)的隱含層個數(shù)為1-2層時P2P應(yīng)用的分類準(zhǔn)確率最高,而DBN方法的隱含層個數(shù)在3～4層時分類準(zhǔn)確率最高。對于公共數(shù)據(jù)集,DBN方法對P2P應(yīng)用的F-measure值高于BP方法23.3%；對于私有數(shù)據(jù)集,DBN方法對iQiyiPPS、 Sohu、PPTV和Baofeng的平均F-measure值高于BP方法13.2%。
【關(guān)鍵詞】：神經(jīng)網(wǎng)絡(luò) DBN P2P流量 網(wǎng)絡(luò)流量分類
【學(xué)位授予單位】：內(nèi)蒙古大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.06
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-13
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11
• 1.3 研究的主要內(nèi)容11-12
• 1.4 論文結(jié)構(gòu)安排12-13
• 第二章 網(wǎng)絡(luò)流量分類的研究13-18
• 2.1 網(wǎng)絡(luò)流量分類概述13-16
• 2.1.1 端口號匹配法13
• 2.1.2 負(fù)載匹配法13-14
• 2.1.3 主機(jī)行為法14
• 2.1.4 機(jī)器學(xué)習(xí)法14-16
• 2.2 DBN方法16-17
• 2.3 本章小結(jié)17-18
• 第三章 基于DBN的網(wǎng)絡(luò)流量分類模型的設(shè)計18-31
• 3.1 BP神經(jīng)網(wǎng)絡(luò)和DBN的介紹與分析18-20
• 3.1.1 BP神經(jīng)網(wǎng)絡(luò)的分析18-19
• 3.1.2 DBN的分析19-20
• 3.2 模型整體設(shè)計20-21
• 3.3 數(shù)據(jù)集的構(gòu)造21-24
• 3.3.1 數(shù)據(jù)集的選擇21-22
• 3.3.2 私有數(shù)據(jù)集基準(zhǔn)的建立22-23
• 3.3.3 特征提取23-24
• 3.4 DBN半監(jiān)督模型的訓(xùn)練24-30
• 3.4.1 數(shù)據(jù)集預(yù)處理25-26
• 3.4.2 DBN隱含節(jié)點個數(shù)的選擇26-29
• 3.4.2.1 隱含節(jié)點個數(shù)的選擇標(biāo)準(zhǔn)27-28
• 3.4.2.2 隱含節(jié)點個數(shù)的選擇流程28-29
• 3.4.3 DBN隱含層個數(shù)的選擇29-30
• 3.4.3.1 隱含層個數(shù)的選擇標(biāo)準(zhǔn)29-30
• 3.4.3.2 隱含層個數(shù)的選擇流程30
• 3.5 本章小結(jié)30-31
• 第四章 基于DBN的網(wǎng)絡(luò)流量分類模型的實現(xiàn)與分析31-47
• 4.1 實驗環(huán)境及實驗工具31-35
• 4.1.1 Wireshark捕獲數(shù)據(jù)包31-32
• 4.1.2 Process monitor建立基準(zhǔn)32-34
• 4.1.3 Matlab建模34-35
• 4.2 實驗數(shù)據(jù)集35-36
• 4.2.1 公共數(shù)據(jù)集35-36
• 4.2.2 私有數(shù)據(jù)集36
• 4.3 隱含節(jié)點個數(shù)的選擇過程及其分析36-39
• 4.3.1 公共數(shù)據(jù)集隱含節(jié)點個數(shù)的選擇36-38
• 4.3.2 私有數(shù)據(jù)集隱含節(jié)點個數(shù)的選擇38-39
• 4.4 隱含層個數(shù)的選擇過程及其分析39-40
• 4.4.1 公共數(shù)據(jù)集隱含層個數(shù)的選擇39-40
• 4.4.2 私有數(shù)據(jù)集隱含層個數(shù)的選擇40
• 4.5 DBN與BP模型的實驗過程及其對比分析40-46
• 4.5.1 實驗評價標(biāo)準(zhǔn)41
• 4.5.2 公共數(shù)據(jù)集實驗過程及其分析41-44
• 4.5.3 私有數(shù)據(jù)集實驗過程及其分析44-46
• 4.6 本章小結(jié)46-47
• 第五章 總結(jié)與展望47-49
• 5.1 總結(jié)47
• 5.2 下一步工作47-49
• 致謝49-50
• 參考文獻(xiàn)50-52

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 張敏;陳常嘉;;基于測量的UDP流特性分析[J];北京交通大學(xué)學(xué)報;2010年05期

2 徐鵬;林森;;基于C4.5決策樹的流量分類方法[J];軟件學(xué)報;2009年10期

，

本文編號：917901