隨著網(wǎng)絡應用類型的不斷豐富,網(wǎng)絡流量呈現(xiàn)爆發(fā)式增長,如何靈活調整網(wǎng)絡以滿足多元化的用戶需求已成為“互聯(lián)網(wǎng)+”時代亟需解決的問題。分類和識別整個網(wǎng)絡鏈路的數(shù)據(jù)流量是實現(xiàn)管控的先決條件,掌握整個網(wǎng)絡鏈路的流量分布情況,有助于上層網(wǎng)絡管理應用依據(jù)現(xiàn)有的網(wǎng)絡狀況部署策略。然而現(xiàn)有識別技術面臨諸多難以解決的問題,機器學習算法極易偏向不平衡數(shù)據(jù)集中的多數(shù)類樣本,導致模型整體錯誤分類率較高;需為網(wǎng)絡流量選擇具有高類別辨識力且低冗余度的特征,構造訓練樣本集,減少模型訓練的時空開銷。本文針對以上問題研究網(wǎng)絡流量分類和移動流量APP識別,主要工作分為以下兩部分:第一,提出基于隨機森林的數(shù)據(jù)平衡化改進算法,分類網(wǎng)絡應用流量。1.針對不平衡樣本集類別偏向性問題,本文提出了一種基于稀疏度加權的數(shù)據(jù)平衡化改進算法,改進算法采樣合成新樣本時充分考慮了少數(shù)類樣本的分布特征以及邊緣模糊邊界情況,避免信息豐富度丟失對模型訓練產生的負面影響,同時采用少數(shù)類樣本與其近鄰間線性插值的方式合成新少數(shù)類樣本,避免了直接復制少數(shù)類樣本導致訓練過程中的模型過擬合。2.選擇最優(yōu)特征子集時,綜合衡量信息增益和應用類別相關度,獲得一種高效快... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：98 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景
    1.2 研究目的與意義
    1.3 國內外研究現(xiàn)狀
    1.4 主要工作與創(chuàng)新
    1.5 論文的結構安排
第二章 網(wǎng)絡流量分類與識別技術
    2.1 互聯(lián)網(wǎng)流量分類與識別技術
        2.1.1 基于端口號映射的流量識別技術
        2.1.2 基于報文載荷分析的流量識別技術
        2.1.3 基于通信模式的流量識別技術
        2.1.4 基于機器學習的流量識別技術
    2.2 隨機森林算法
        2.2.1 決策樹
        2.2.2 隨機森林
    2.3 數(shù)據(jù)平衡化策略
    2.4 移動流量通信協(xié)議
    2.5 本章小結
第三章 基于隨機森林的網(wǎng)絡流量分類研究
    3.1 網(wǎng)絡流量特征選擇
    3.2 數(shù)據(jù)平衡化改進算法
        3.2.1 CURE聚類改進算法
        3.2.2 過采樣SMOTE算法
        3.2.3 基于稀疏度加權的數(shù)據(jù)平衡化改進算法
    3.3 評價指標
    3.4 網(wǎng)絡流量分類模型設計
        3.4.1 模型框架
        3.4.2 模型流程
    3.5 實驗結果及分析
        3.5.1 數(shù)據(jù)準備
        3.5.2 實驗設置
        3.5.3 結果分析
    3.6 本章小結
第四章 基于C4.5 的移動APP流量識別研究
    4.1 加密流量提取與流量模型構建
    4.2 流量特征選擇與降維
        4.2.1 流量特征提取
        4.2.2 類別相關特征選擇
        4.2.3 Pearson系數(shù)特征降維
    4.3 基于C4.5 移動APP流量識別的模型建立
        4.3.1 模型設計
        4.3.2 模型流程
    4.4 實驗結果及分析
        4.4.1 數(shù)據(jù)準備
        4.4.2 評價指標
        4.4.3 實驗設置
        4.4.4 結果分析
    4.5 本章小結
第五章 總結與展望
致謝
參考文獻
攻讀碩士學位期間取得的成果


【參考文獻】：
期刊論文
[1]基于流量分析的HTTP協(xié)議安全現(xiàn)狀分析[J]. 何振宇.  科學技術創(chuàng)新. 2020(03)
[2]CNNIC發(fā)布第44次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》[J]. 于朝暉.  網(wǎng)信軍民融合. 2019(09)
[3]帶單服務器的自由作業(yè)排序問題的啟發(fā)式算法[J]. 時凌,張瓊,時義梅,魏代俊.  數(shù)學的實踐與認識. 2019(09)
[4]基于流形學習的自適應反饋聚類中心確定方法[J]. 李天龍,曹敏,沈鑫,吳晟,吳興蛟,周海河.  云南電力技術. 2018(05)
[5]面向不平衡數(shù)據(jù)集分類模型的優(yōu)化研究[J]. 溫雪巖,陳家男,景維鵬,徐克生.  計算機工程. 2018(04)
[6]數(shù)據(jù)挖掘在計算機網(wǎng)絡病毒防御中的應用[J]. 曾曉杰.  電子技術與軟件工程. 2018(07)
[7]面向網(wǎng)絡安全事件的入侵檢測與取證分析[J]. 龔儉,王卓然,蘇琪,楊望.  華中科技大學學報(自然科學版). 2016(11)
[8]基于遺傳算法改進的少數(shù)類樣本合成過采樣技術的非平衡數(shù)據(jù)集分類算法[J]. 霍玉丹,谷瓊,蔡之華,袁磊.  計算機應用. 2015(01)
[9]基于C4.5決策樹算法的農安縣農田管理區(qū)劃分[J]. 李威,陳桂芬.  湖北農業(yè)科學. 2014(07)
[10]HTTP和HTTPS協(xié)議安全性分析[J]. 魏興國.  程序員. 2007(07)

碩士論文
[1]基于MEMS傳感器的運動識別算法研究[D]. 繆若琳.哈爾濱工業(yè)大學 2019
[2]金融知識自動問答中的新詞發(fā)現(xiàn)及答案排序方法[D]. 張長.哈爾濱工業(yè)大學 2017



本文編號：3050729