深度学习模型在网络流量分类中的应用研究

发布时间：2020-12-19 21:56

　　实时网络流分类在互联网服务提供商(ISP)和其设备供应商解决复杂网络管理问题中有非常重要的应用。关于这项问题已经有许多研究,并提出了许多不同种类的方法。通常部署的网络流量分类技术基于每个数据包的载荷、端口、和网络流量的统计特征。目前,基于网络流量统计特征的机器学习分类方法的应用较为广泛,但是基于特征的流分类方法的难点在于如何从网络流中找出这些的特征。特征选择的过程需要研究者具有丰富的经验,同时也会消耗大量的时间。因此网络流分类研究中对网络流量特征的学习和选取是非常重要的。深度学习模型今年来被广泛应用于各个领域,模型可以自动的从输入数据中学习特征。它能通过简单、非线性的转换得到输入数据更高层次的、更抽象的表示。在分类研究中,数据的高级表示能强化模型对输入数据区分能力,降低其他因素的干扰。鉴于深度学习模型的以上特点,深度学习模型引入到网络流量分类研究中。首先,提出了一种基于卷积神经网络的网络流量分类方法。将每条网络流量的载荷转换成一幅二维灰度图像,将生成的图像作为模型的输入。将网络流分类问题转换成图像分类问题。通过对图像进行分类达到网络流分类的目的。其次,提出基于一维卷积神经网络的网络流分... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

weka操作界面

图 4-1 Chrome 二维灰度图像Fig. 4-1 Chrome two-dimensional grayscale imageVec 原理n 树 树在计算机科学中是一种重要的非线性的支关系组织起来的数据结构。若干棵互不相交面给出几个和树相关的概念：路径长度 从一个树中的任意结点向下能顺利通条通路被称为路径。此路径中分支的数目叫做点所在的层开始编号直到底层，编号从 1 开始到的第l层节点的路径长度为 l 1。径长度和节点的权 若给数中某个节点添加一个这个数值为当前节点的权。顶层节点到该结点乘积叫做带权路径长度。子节点的带权路径长度的总和，称之为该树的 二叉树是指树中的每个结点最多包含不超过两

【参考文献】：
期刊论文
[1]基于最大信息系数和近似马尔科夫毯的特征选择方法[J]. 孙广路,宋智超,刘金来,朱素霞,何勇军.  自动化学报. 2017(05)
[2]深度学习框架Caffe在图像分类中的应用[J]. 王茜,张海仙.  现代计算机(专业版). 2016(05)
[3]面向高校远程教育的MOOC学业管理和分析方法研究[J]. 郎非,孙广路.  现代远距离教育. 2014(02)
[4]实时网络流量分类研究综述[J]. 柏骏,夏靖波,吴吉祥,任高明,赵小欢.  计算机科学. 2013(09)
[5]基于在线排序逻辑回归的垃圾邮件过滤[J]. 孙广路,齐浩亮.  清华大学学报(自然科学版). 2013(05)
[6]基于混合方法的流量测量系统(英文)[J]. 孙广路,郎非,杨明明.  电机与控制学报. 2011(06)
[7]基于支持向量机的流量分类方法[J]. 林森,徐鹏,刘琼.  计算机应用研究. 2008(08)



本文编号：2926639