應(yīng)用層協(xié)議識別技術(shù)作為網(wǎng)絡(luò)監(jiān)控的基本技術(shù),一直以來在網(wǎng)絡(luò)管理、安全監(jiān)控、用戶體驗改善等領(lǐng)域發(fā)揮著巨大的作用,但目前也面臨著許多問題。首先,加密協(xié)議的日漸增多,導(dǎo)致傳統(tǒng)基于端口和應(yīng)用層載荷分析的方法已不再適用;其次,應(yīng)用層協(xié)議種類數(shù)量增長迅速,基于載荷分析的方法需要不斷更新特征庫,特征庫容量的迅猛增長給特征匹配算法的時效性帶來了嚴(yán)峻挑戰(zhàn)。將機器學(xué)習(xí)方法引入到應(yīng)用層協(xié)議識別中可以大大提高識別系統(tǒng)效能。本文基于半監(jiān)督學(xué)習(xí)方法研究應(yīng)用層協(xié)議識別,主要研究內(nèi)容和成果如下:（1）通過對生成式方法、半監(jiān)督支持向量機（Semi-Supervision Support Vector Machine,S3VM）和圖半監(jiān)督算法等進行分析,相較于這些半監(jiān)督學(xué)習(xí)算法,TriTraining和Co-Forest利用了集成學(xué)習(xí)的思想,避免了諸如模型假設(shè)、損失函數(shù)非凸等問題,算法實現(xiàn)更為簡單有效。本文將Tri-Training和Co-Forest這兩種基于分歧的半監(jiān)督學(xué)習(xí)算法應(yīng)用于應(yīng)用層協(xié)議識別中,實驗表明相較于Tri-Training,CoForest具有更高的協(xié)議分類準(zhǔn)確率。（2）特征選擇是協(xié)議識別中的重要模塊,... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

數(shù)據(jù)預(yù)處理流程圖

Co-Forest中參數(shù)不同值下分類準(zhǔn)確率

C4.5 分類模型下分類準(zhǔn)確率

【參考文獻】：
期刊論文
[1]互聯(lián)網(wǎng)流量分類中流量特征研究[J]. 劉珍,王若愚,蔡先發(fā),唐德玉.  計算機應(yīng)用研究. 2017(01)
[2]基于分歧的半監(jiān)督學(xué)習(xí)[J]. 周志華.  自動化學(xué)報. 2013(11)
[3]基于C4.5決策樹的流量分類方法[J]. 徐鵬,林森.  軟件學(xué)報. 2009(10)

博士論文
[1]基于SVM的網(wǎng)絡(luò)流量特征降維與分類方法研究[D]. 曹杰.吉林大學(xué) 2017
[2]基于機器學(xué)習(xí)的流量分類算法研究[D]. 魯剛.哈爾濱工業(yè)大學(xué) 2013
[3]高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學(xué)習(xí)研究[D]. 張麗新.清華大學(xué) 2004

碩士論文
[1]基于半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類技術(shù)研究[D]. 孔曉晨.北京郵電大學(xué) 2018
[2]基于普適特征的網(wǎng)絡(luò)流量決策樹分類方法[D]. 李麟青.蘇州大學(xué) 2012



本文編號：3048190