隨著網(wǎng)絡大數(shù)據(jù)技術的快速發(fā)展,網(wǎng)絡應用程序種類越來越多,產(chǎn)生的數(shù)據(jù)量急速上升,給網(wǎng)絡管理帶來了巨大的挑戰(zhàn)。基于網(wǎng)絡流量數(shù)據(jù)的應用程序智能分類與識別一直是學術界和工業(yè)界關注的焦點,也是網(wǎng)絡管理、安全保障和服務提升的重要基礎。傳統(tǒng)的基于端口識別和負載分析的方法對新型復雜網(wǎng)絡流量分類效果漸微。因此,本文將研究進一步提高網(wǎng)絡應用程序智能分類與識別的精度的新方法。完成的主要工作如下:（1）對網(wǎng)絡應用程序產(chǎn)生的網(wǎng)絡流量過程進行研究,提出一種基于等價流的聚類標簽傳播算法,解決了在網(wǎng)絡應用程序中各類網(wǎng)絡流量數(shù)據(jù)存在標簽少、標記難、人工標注不精確等問題。該算法既可精確的標記網(wǎng)絡數(shù)據(jù)包和網(wǎng)絡流,又可標記相似應用程序的等價流,實現(xiàn)了流量標記和標簽數(shù)據(jù)集擴充。實驗表明該算法有效提升了應用程序的分類與識別精度。（2）針對應用程序識別的特征單一、關聯(lián)性低、分類精度低等問題,提出一種基于雙向流的聚合流特征應用程序識別算法。該算法可將應用程序的雙向網(wǎng)絡包及網(wǎng)絡流和相似包流信息聚合提取綜合性特征,可提取四大類特征,并基于隨機森林建模驗證該方案的可行性。此外,為提升網(wǎng)絡流量分類精度和降低訓練難度,提出一種基于聯(lián)合關聯(lián)的特... 

【文章來源】：中國科學院大學(中國科學院深圳先進技術研究院)廣東省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 基于端口識別的網(wǎng)絡流量分類方法
        1.2.2 基于深度包檢測的網(wǎng)絡流量分類方法
        1.2.3 基于統(tǒng)計的網(wǎng)絡流量分類方法
        1.2.4 基于行為的網(wǎng)絡流量分類方法
    1.3 論文研究內容
    1.4 論文結構安排
第2章 相關知識介紹
    2.1 網(wǎng)絡流量背景介紹
        2.1.1 網(wǎng)絡流量分類的研究對象
        2.1.2 網(wǎng)絡數(shù)據(jù)的特征選擇
        2.1.3 網(wǎng)絡流量分類識別模型
    2.2 機器學習算法
        2.2.1 k-medoids算法
        2.2.2 隨機森林算法
    2.3 深度學習
        2.3.1 卷積神經(jīng)網(wǎng)絡
        2.3.2 梯度下降算法
    2.4 評價指標
    2.5 本章小結
第3章 基于雙向流聚合特征的應用程序識別方法
    3.1 問題提出
    3.2 整體框架設計
    3.3 基于等價流的聚類流標簽傳播算法
        3.3.1 網(wǎng)絡流量采集
        3.3.2 包級標簽分類器
        3.3.3 提取聚合網(wǎng)絡流
        3.3.4 聚類流標簽傳播技術
    3.4 基于雙向流的聚合流特征提取方法
        3.4.1 聚合流特征生成模型
        3.4.2 數(shù)據(jù)包和網(wǎng)絡流特征分析
        3.4.3 聚合流特征提取結果
    3.5 基于雙向流的聚合流特征構建分類模型
    3.6 實驗及結果分析
        3.6.1 實驗環(huán)境
        3.6.2 數(shù)據(jù)預處理
        3.6.3 評估實驗結果
    3.7 本章小結
第4章 基于卷積神經(jīng)網(wǎng)絡的多時空特征應用程序識別方法
    4.1 問題提出
    4.2 整體框架設計
    4.3 卷積神經(jīng)網(wǎng)絡模型
        4.3.1 網(wǎng)絡結構
        4.3.2 激活函數(shù)
    4.4 基于卷積神經(jīng)網(wǎng)絡的多時空特征應用程序識別算法
    4.5 實驗結果分析
    4.6 本章小結
第5章 結論與展望
    5.1 工作總結
    5.2 未來展望
參考文獻
致謝
作者簡歷及攻讀學位期間發(fā)表的學術論文與研究成果


【參考文獻】：
期刊論文
[1]《國家網(wǎng)絡空間安全戰(zhàn)略》(全文)[J].   中國信息安全. 2017(01)



本文編號：3052871