基于子空间聚类的网络流量分类方法

发布时间：2018-01-04 21:40

  本文关键词：基于子空间聚类的网络流量分类方法　出处：《哈尔滨理工大学学报》2015年02期 　论文类型：期刊论文

  更多相关文章： 子空间聚类 网络流分类 特征签名

【摘要】：应用层网络流量分类技术对流量控制与管理等研究具有重要意义.针对传统的基于有监督机器学习的分类方法对所有应用程序使用相同的特征,使得某些特征对一种或几种应用类型有区分性,而对其他应用类型的网络流分类产生干扰等问题,提出基于子空间聚类方法的网络流分类框架.利用子空间聚类算法,在总特征集中为每一种类型应用进行特征选择,提取与之相对应的关键特征,自动消除不相关的特征,使得每种应用类型都产生对应的特征签名集,并用这些不同的特征签名对未知的网络流进行分类.实验结果表明:本文提出的方法能够有效地提出每种应用类型的特征签名,并且所提出的特征签名具有明显的可区分性,该方法的分类准确率在93%以上,并且能很好的识别新出现的应用.
[Abstract]:In this paper , the classification framework of network flow based on subspace clustering is proposed in this paper , which makes the classification accuracy rate of each application type be more than 93 % , and the new application can be recognized well .

【作者单位】： 哈尔滨理工大学计算机科学与技术学院;哈尔滨理工大学信息安全与智能技术研究中心;北京宇航系统工程研究所;
【基金】：黑龙江省普通高等学校新世纪优秀人才培养计划(1155-ncet-008) 黑龙江省博士后科研启动基金 黑龙江省教育科学规划课题(GBC1211062)
【分类号】：TP393.06
【正文快照】： 0引言近年来,具有开放性、共享性等特点的互联网迅速普及并发展壮大,随着网络用户数量的飞速增多,传统的互联网业务已经无法满足人们的需求,越来越多的新型网络应用应运而生.对于网络运营商来说,为了有效利用带宽,并提供更好的服务质量(quality of service,Qo S),需要网络能够

【参考文献】

相关期刊论文 前5条

1 牛琨;张舒博;陈俊亮;;采用属性聚类的高维子空间聚类算法[J];北京邮电大学学报;2007年03期

2 单世民;闫妍;张宪超;;基于k最相似聚类的子空间聚类算法[J];计算机工程;2009年14期

3 熊刚;孟姣;曹自刚;王勇;郭莉;方滨兴;;网络流量分类研究进展与展望[J];集成技术;2012年01期

4 柏骏;夏靖波;吴吉祥;任高明;赵小欢;;实时网络流量分类研究综述[J];计算机科学;2013年09期

5 朱林;雷景生;毕忠勤;杨杰;;一种基于数据流的软子空间聚类算法[J];软件学报;2013年11期

【共引文献】

相关期刊论文 前10条

1 王斌;陈秋华;王翠柏;;基于聚类的跳频信号分选[J];北京邮电大学学报;2009年02期

2 朱思峰;刘芳;柴争义;;免疫聚类算法在基因表达数据分析中的应用[J];北京邮电大学学报;2010年02期

3 夏英;李克非;;基于属性相关性分析的子空间搜索算法[J];重庆邮电大学学报(自然科学版);2009年04期

4 郭景峰;易莉桦;;基于相对熵和子空间二次过滤的CLIQUE改进算法[J];燕山大学学报;2011年04期

5 祝琴;戴爱明;;高维稀疏数据对象—属性的非关联子空间分析[J];中国管理信息化;2011年09期

6 王晖;季振洲;朱素霞;;自相似网络流量模型研究[J];智能计算机与应用;2013年02期

7 张思亮;李广霞;;子空间聚类在入侵检测中的应用[J];计算机安全;2013年12期

8 牛琨;张舒博;赵方;;采用联合熵矩阵的子空间聚类算法[J];北京邮电大学学报;2014年03期

9 向剑平;唐常杰;郑皎凌;易树鸿;;基于中心距序降维的聚类算法[J];计算机工程;2010年12期

10 关庆;邓赵红;王士同;;子空间可能性聚类机制研究[J];计算机工程;2011年05期

相关博士学位论文 前10条

1 吴增红;个性化地图服务理论与方法研究[D];解放军信息工程大学;2011年

2 牛琨;聚类分析中若干关键技术及其在电信领域的应用研究[D];北京邮电大学;2007年

3 曲琳;分布式智能视觉监控行为分析及语义检索技术研究[D];浙江大学;2008年

4 王晖;自相似网络流量流体流模型及主动队列管理算法研究[D];哈尔滨工业大学;2013年

5 刘晨;高伸缩性聚类分析方法研究[D];哈尔滨工程大学;2013年

6 刘珍;因特网流量类不平衡特性与分类方法的研究[D];华南理工大学;2013年

7 张建萍;基于计算智能技术的聚类分析研究与应用[D];山东师范大学;2014年

8 穆治亚;红外多目标实时跟踪方法的研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2014年

9 吴迪;基于加权相似度的序列聚类算法研究[D];燕山大学;2014年

10 曾强;面向软件漏洞的挖掘方法研究[D];燕山大学;2014年

相关硕士学位论文 前10条

1 李智展;基于Agent的校友管理信息系统的设计与实现[D];复旦大学;2011年

2 马金徽;高维混合类型数据聚类算法研究[D];内蒙古科技大学;2011年

3 谢明霞;高维数据聚类若干关键问题研究[D];解放军信息工程大学;2011年

4 李臻;基于J2EE的校友管理系统的设计与实现[D];复旦大学;2009年

5 马金徽;高维混合类型数据聚类算法研究[D];内蒙古科技大学;2011年

6 易莉桦;高维数据聚类算法的研究[D];燕山大学;2012年

7 叶子倩;网络应用协议识别研究[D];大连海事大学;2013年

8 扶佩佩;针对SSL协议的网络应用精细化分类技术研究[D];北京邮电大学;2013年

9 秦志强;企业网网络应用识别系统的研究与实现[D];华南理工大学;2013年

10 郎新科;批量生产控制中的配方分析与异常处理[D];河南科技大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 张剑;钱宗珏;寿国础;胡怡红;;在线聚类的网络流量识别[J];北京邮电大学学报;2011年01期

2 魏立梅,谢维信;对手抑制式模糊C-均值算法[J];电子学报;2000年07期

3 王建东;祝超;谢应科;韩承德;赵自力;;基于FPGA的万兆流量并行实时处理系统研究[J];计算机研究与发展;2009年02期

4 徐鹏;刘琼;林森;;基于支持向量机的Internet流量分类研究[J];计算机研究与发展;2009年03期

5 彭芸;刘琼;;Internet流分类方法的比较研究[J];计算机科学;2007年08期

6 刘颖秋;李巍;李云春;;网络流量分类与应用识别的研究[J];计算机应用研究;2008年05期

7 王骏;王士同;邓赵红;;特征加权距离与软子空间学习相结合的文本聚类新方法[J];计算机学报;2012年08期

8 张敏,于剑;基于划分的模糊聚类算法[J];软件学报;2004年06期

9 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期

10 徐鹏;林森;;基于C4.5决策树的流量分类方法[J];软件学报;2009年10期

【相似文献】

相关期刊论文 前10条

1 陈铭;吉根林;;一种基于相似维的高维子空间聚类算法[J];南京师大学报(自然科学版);2010年04期

2 何彬彬;方涛;郭达志;;基于不确定性的空间聚类[J];计算机科学;2004年11期

3 杨杨;孙志伟;赵政;;一种处理障碍约束的基于密度的空间聚类算法[J];计算机应用;2007年07期

4 李光强;邓敏;程涛;朱建军;;一种基于双重距离的空间聚类方法[J];测绘学报;2008年04期

5 李中志;汪学刚;;一种快速空间聚类算法[J];计算机应用研究;2009年08期

6 邓羽;刘盛和;张文婷;王丽;王江浩;;广义多维云模型及在空间聚类中的应用[J];地理学报;2009年12期

7 杨增芳;;一种基于分布的空间聚类算法[J];玉溪师范学院学报;2012年04期

8 陈娱;许s，

本文编号：1380226