基于DDAG-SVM的网络流量分类技术

发布时间：2019-03-08 18:47

【摘要】：互联网技术不断发展,很多新的网络通信采用动态端口、协议加密等技术,使传统的流量分类技术不再适用.以TCP三次握手后客户端到服务器的第1个包载荷大小、服务器到客户端的第1个包和第2个包载荷大小以及服务器端口信息作为流量特征,提出一种基于DDAG-SVM的网络流量分类的方法,并针对传统DDAG-SVM的误差累积效应,使分类性能变差的问题,根据类间可分离度重构DDAG-SVM决策树,每次都选择最容易分开的两个流类别构成分类决策面,测试结果表明该方法取得了较高的分类准确率.
[Abstract]:With the continuous development of Internet technology, many new network communication technologies such as dynamic port, protocol encryption, etc., make the traditional traffic classification technology no longer applicable. The first packet payload size from the client to the server after the TCP three-way handshake, the first and second packet payload sizes from the server to the client, and the server port information are used as traffic characteristics. In this paper, a method of network traffic classification based on DDAG-SVM is proposed. Aiming at the error accumulation effect of traditional DDAG-SVM, the DDAG-SVM decision tree is reconstructed according to the separation degree between classes, which makes the classification performance worse. The classification decision-making surface is composed of two flow categories which are easy to separate each time. The test results show that the proposed method achieves high classification accuracy.
【作者单位】： 湖南化工职业技术学院信息工程系;湖南工业大学计算机与通信学院;
【基金】：湖南省教育厅资助科研项目(10C0138) 湖南省自科基金项目(11JJ4050)
【分类号】：TP393.06

【参考文献】

相关期刊论文 前3条

1 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

2 甘俊英;张有为;;模式识别中广义核函数Fisher最佳鉴别[J];模式识别与人工智能;2002年04期

3 高秀梅,杨静宇,杨健;一种最优的核Fisher鉴别分析与人脸识别[J];系统仿真学报;2004年12期

【共引文献】

相关期刊论文 前10条

1 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期

2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期

3 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期

4 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期

5 陈念;沈佐民;;基于化学成分检测和SVM分类的茶叶品质鉴定[J];安徽农业科学;2010年15期

6 黄远顺;;矫直机的自动故障预报技术[J];安徽冶金;2012年01期

7 林春丽;齐欣;王克成;;SVM-KNN分类器在异常行为检测中的应用[J];辽宁科技大学学报;2010年05期

8 王亮;胡静涛;;基于LS-SVM的光刻过程R2R预测控制方法[J];半导体技术;2012年06期

9 梁万路;;代价敏感支持向量机的投影次梯度求解方法[J];兵工自动化;2011年04期

10 高学金;王普;孙崇正;易建强;张亚庭;张会清;;一种建立发酵过程模型的新方法[J];北京工业大学学报;2006年05期

相关会议论文 前10条

1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年

2 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年

3 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年

4 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年

5 韩露;余正涛;邓锦辉;章程;毛存礼;郭剑毅;;领域知识关系对领域文本分类的影响[A];第二十七届中国控制会议论文集[C];2008年

6 吴静珠;刘翠玲;孙晓容;;支持向量机在近红外光谱检测技术中的应用研究[A];第二十九届中国控制会议论文集[C];2010年

7 尹钟;张建华;;基于支持向量机方法的过程操作员功能状态分类[A];中国自动化学会控制理论专业委员会A卷[C];2011年

8 杨坤;纪志成;;基于峰值识别的改进SVM用电需求预测[A];中国自动化学会控制理论专业委员会B卷[C];2011年

9 晋朝勃;胡刚强;史广智;李玉阳;;一种采用支持向量机的水中目标识别方法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

10 郭玮;李智勇;朱晟;孙慧;;支持向量机在变压器油溶解气体检测中的应用[A];第一届电力安全论坛优秀论文集[C];2008年

相关博士学位论文 前10条

1 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年

2 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年

3 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年

4 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年

5 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年

6 李先锋;基于特征优化和多特征融合的杂草识别方法研究[D];江苏大学;2010年

7 刘卫红;垃圾邮件检测与过滤关键技术研究[D];华南理工大学;2010年

8 汪春梅;癫痫脑电信号特征提取与自动检测方法研究[D];华东理工大学;2011年

9 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年

10 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年

相关硕士学位论文 前10条

1 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年

2 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年

3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年

4 安文娟;Fisher和支持向量综合分类器[D];辽宁师范大学;2010年

5 姜成玉;基于支持向量机的时间序列预测[D];辽宁师范大学;2010年

6 姜念;区间自适应粒子群算法研究及其应用[D];郑州大学;2010年

7 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年

8 辛保兵;既有预应力混凝土梁桥剩余承载力评估方法研究[D];郑州大学;2010年

9 王巧立;微生物发酵过程的建模与优化控制研究[D];郑州大学;2010年

10 刘松;基于OCSVM和主动学习的DDOS攻击分布式检测系统[D];郑州大学;2010年

【二级参考文献】

相关期刊论文 前2条

1 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期

2 郭跃飞,黄修武,杨静宇;一种求解Fisher最佳鉴别矢量的新算法及人脸识别[J];中国图象图形学报;1999年02期

【相似文献】

相关期刊论文 前10条

1 尹中航,王永成,蔡巍;应用支持向量机进行网上信息自动分类[J];高技术通讯;2001年11期

2 李辉,管晓宏,昝鑫,韩崇昭;基于支持向量机的网络入侵检测[J];计算机研究与发展;2003年06期

3 饶鲜,董春曦,杨绍全;应用支持向量机实现计算机入侵检测[J];西安电子科技大学学报;2003年03期

4 黄萍,李之棠;应用支持向量机实现分布式入侵检测[J];华中科技大学学报(自然科学版);2003年S1期

5 吴静,周建国,晏蒲柳;支持向量机在网络故障诊断中的应用研究[J];计算机工程;2004年22期

6 王勇,杨辉华,王行愚,何倩;基于最小二乘支持向量机的Linux主机入侵检测系统[J];计算机工程与应用;2005年02期

7 李昆仑,黄厚宽,田盛丰,刘振鹏,刘志强;模糊多类支持向量机及其在入侵检测中的应用[J];计算机学报;2005年02期

8 段丹青;陈松乔;杨卫平;;网络入侵检测中的支持向量机主动学习算法[J];计算机工程与应用;2006年01期

9 李健;范万春;;网络入侵智能识别技术研究[J];计算机工程与应用;2006年03期

10 肖政宏;周学清;尹浩;;基于支持向量机和Hurst指数的集成入侵检测研究[J];微计算机信息;2006年09期

相关会议论文 前10条

1 刘李男;杨岳湘;唐川;;一种基于熵优化支持向量机的P2P流量检测方法[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

2 贺涛;曹先彬;;基于SVM的无线De-authentication攻击检测[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

4 张家超;孔媛媛;;结合SVM与免疫遗传算法设计IDS的检测算法[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年

5 刘晓勇;;基于GA与SVM融合的网页分类算法[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

6 杨业;王永骥;;基于Internet的网络控制延时分析及预测[A];第二十三届中国控制会议论文集（上册）[C];2004年

7 张小强;朱中梁;范平志;;基于SVM和序列互相关特性的入侵检测[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

8 谢毅;张俊灵;王莹;胡翠林;;一种基于SVM的信息安全入侵检测模型[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

9 张红梅;;基于粗糙集特征约简的SVM集成入侵检测模型[A];2009中国控制与决策会议论文集（3）[C];2009年

10 陈琳;黄杰;龚正虎;;一种基于支持向量机的抗噪声邮件分类方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

相关博士学位论文 前10条

1 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年

2 贾银山;支持向量机算法及其在网络入侵检测中的应用[D];大连海事大学;2004年

3 李千目;战略互联网故障智能诊断策略研究[D];南京理工大学;2005年

4 饶鲜;入侵检测信道模型研究[D];西安电子科技大学;2006年

5 郑洪英;基于进化算法的入侵检测技术研究[D];重庆大学;2007年

6 段丹青;入侵检测算法及关键技术研究[D];中南大学;2007年

7 魏宇欣;网络入侵检测系统关键技术研究[D];北京邮电大学;2008年

8 刘震;垃圾邮件过滤理论和关键技术研究[D];电子科技大学;2008年

9 李战春;入侵检测中的机器学习方法及其应用研究[D];华中科技大学;2007年

10 柳斌;P2P流的测量与识别方法研究[D];华中科技大学;2008年

相关硕士学位论文 前10条

1 张宝华;支持向量机在入侵检测系统中的研究和应用[D];天津理工大学;2010年

2 徐华;基于支持向量机的Web文本挖掘研究[D];哈尔滨工程大学;2004年

3 叶春;局域支持向量机的改进及其在网络流量预测中的应用[D];西华大学;2010年

4 李佳;基于粒子群优化支持向量机的异常入侵检测研究[D];中南林业科技大学;2009年

5 刘胜利;基于SVM的网络入侵检测研究[D];大连海事大学;2004年

6 肖明;基于SVM的智能邮件过滤系统研究与实现[D];电子科技大学;2005年

7 杨翔宇;SVM在Web文本挖掘中的应用与研究[D];哈尔滨工程大学;2005年

8 杨丽华;基于内容的垃圾邮件过滤技术研究[D];西南交通大学;2006年

9 林红飞;支持向量机的研究及其在入侵检测中的应用[D];河海大学;2007年

10 王娟;基于粗糙集与支持向量机的Web文本分类[D];厦门大学;2008年

，

本文编号：2437102