網(wǎng)絡(luò)流量分類是網(wǎng)絡(luò)運(yùn)維管理和網(wǎng)絡(luò)安全領(lǐng)域的基本工作之一,它是指根據(jù)流量特征,在流量數(shù)據(jù)與應(yīng)用類型之間建立映射關(guān)系。一方面,網(wǎng)絡(luò)管理者希望對實(shí)時(shí)性要求較高的應(yīng)用提供高優(yōu)先級的通訊保障,盡量減少有關(guān)數(shù)據(jù)包的阻塞,以增強(qiáng)用戶的上網(wǎng)體驗(yàn);另一方面,面對網(wǎng)絡(luò)攻擊等入侵流量,需要網(wǎng)絡(luò)管理人員及時(shí)發(fā)現(xiàn)并阻斷。按照工作原理的不同,流量分類方法可分為基于端口匹配、負(fù)載匹配、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)四種方法,由于前三種方法難以應(yīng)對當(dāng)今復(fù)雜多變的網(wǎng)絡(luò)環(huán)境,深度學(xué)習(xí)法成為解決網(wǎng)絡(luò)流量分類問題的新方向。本文主要研究卷積神經(jīng)網(wǎng)絡(luò)在流量分類中的應(yīng)用,分別從惡意流量識別和加密流量識別兩個角度進(jìn)行實(shí)驗(yàn)探究。本文首先進(jìn)行網(wǎng)絡(luò)流量原始數(shù)據(jù)的預(yù)處理,采用圖像化的策略,設(shè)計(jì)了四種不同的流量分割方法,經(jīng)過分割、清洗和轉(zhuǎn)換等步驟,將網(wǎng)絡(luò)流量轉(zhuǎn)化為卷積神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)輸入。隨后設(shè)計(jì)了一種隱藏層層數(shù)少、結(jié)構(gòu)相對簡單的二維卷積神經(jīng)網(wǎng)絡(luò),對正常流量和惡意流量按照不同的需求層次進(jìn)行分類,通過一系列實(shí)驗(yàn)確定了適合惡意流量分類任務(wù)的最佳流量分割方法,并證實(shí)了將二維卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用在惡意流量分類具有良好的準(zhǔn)確率。最后在惡意流量分類研究的基礎(chǔ)上,針對負(fù)載匹配...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究的關(guān)鍵問題
    1.3 本文主要工作
    1.4 本文章節(jié)安排
第二章 流量分類研究現(xiàn)狀與深度學(xué)習(xí)相關(guān)理論
    2.1 流量分類研究現(xiàn)狀
        2.1.1 基于端口匹配
        2.1.2 基于負(fù)載匹配
        2.1.3 基于機(jī)器學(xué)習(xí)
        2.1.4 基于深度學(xué)習(xí)
    2.2 深度學(xué)習(xí)相關(guān)理論
        2.2.1 深度學(xué)習(xí)的基本概念
        2.2.2 深度學(xué)習(xí)的現(xiàn)代應(yīng)用
        2.2.3 全連接神經(jīng)網(wǎng)絡(luò)
        2.2.4 反向傳播算法
        2.2.5 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)的惡意流量分類
    3.1 引言
    3.2 數(shù)據(jù)預(yù)處理
        3.2.1 數(shù)據(jù)集
        3.2.2 數(shù)據(jù)預(yù)處理
    3.3 模型構(gòu)建
    3.4 實(shí)驗(yàn)分析
        3.4.1 軟硬件環(huán)境
        3.4.2 評價(jià)標(biāo)準(zhǔn)
        3.4.3 實(shí)驗(yàn)結(jié)果分析
        3.4.4 與其他方法的比較
    3.5 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的加密流量分類
    4.1 引言
    4.2 數(shù)據(jù)預(yù)處理
        4.2.1 數(shù)據(jù)集
        4.2.2 數(shù)據(jù)預(yù)處理
    4.3 基于二維卷積神經(jīng)網(wǎng)絡(luò)的實(shí)驗(yàn)
        4.3.1 模型構(gòu)建
        4.3.2 實(shí)驗(yàn)結(jié)果分析
    4.4 基于一維卷積神經(jīng)網(wǎng)絡(luò)的實(shí)驗(yàn)
        4.4.1 模型構(gòu)建
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 基于WideResNet的實(shí)驗(yàn)
        4.5.1 模型構(gòu)建
        4.5.2 實(shí)驗(yàn)結(jié)果分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝



本文編號：4008106