基于决策树的网络终端设备识别方法研究

发布时间：2020-12-29 16:49

　　随着互联网、物联网和大数据等技术的快速发展,网络环境中有大量终端设备接入,并且数量和种类都在持续快速增长。大量设备的接入,使得网络流量更加复杂和庞大,识别网络终端设备,对网络管理运营和优化、提升用户体验具有重要意义。目前常用的网络设备识别采用探测的方法,获取设备的指纹信息进行识别,要获取整个网络环境的设备分布情况,需要进行大量探测,并且若有路由器和防火墙的阻隔,很难直接获取设备的指纹信息。与现有通过探测报文获取设备指纹进行设备识别不同,本文的主要研究为基于网络流量进行网络设备识别,通过采集网络流量,获取网络环境中的设备和设备相关属性,并利用流量获取所需特征建立决策树模型进行网络终端设备的识别。本文主要研究具体包括三个方面:首先,基于网络流量,完成对网络地址转换NAT设备的识别。NAT技术对上层网络有效隐匿了下层的网络结构,形成了一个独立的网络环境,使得非法终端的隐蔽接入更加便利。本文提出一种基于决策树的NAT设备识别模型,并通过实验验证,该模型能有效识别NAT设备。其次,对移动终端设备的识别,通过对手持设备与非手持设备的区分,对网络终端设备做预分类。本文提出一种基于C4.5决策树的手持... 

【文章来源】：湖北大学湖北省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图２－１决桌树不意图??决策树的构建大都是一个自顶向下、分而治之的过程，是个典型的贪心算法策略

时利用己经确定是否为ＮＡＴ设备的标记数据，提取出决策树样本集，利用样本集构建??决策树分类模型。待识别数据也需经过两个库的匹配识别生成所需相关特征属性，形??成待分类集合，利用决策树分类模型进行分类。决策树识别模型见图３－１：??１８??

成构建决策树的样本集，通过样本集，利用Ｃ４．５算法构建决策树分类模块，对标记为??ｕｎｋｎｏｗｎ的数据进行识别，最后合并识别为ｋｎｏｗｎ的数据，形成最后的识别结果。模??型的具体流程图如图４－１所示：??２４??

【参考文献】：
期刊论文
[1]基于C5.0决策树的NAT设备检测方法[J]. 石志凯,朱国胜,雷龙飞,陈胜,镇佳,吴善超,吴梦宇.  计算机科学. 2018(S1)
[2]WF-C4.5:WiFi环境下基于C4.5决策树的手持终端流量识别方法[J]. 石志凯,朱国胜.  计算机科学. 2017(S1)
[3]移动通信运营业务中移动终端识别的运用[J]. 张冬梅.  科技传播. 2015(10)
[4]WLAN终端识别技术研究[J]. 梁其峰.  科技传播. 2013(18)
[5]基于C4.5决策树的流量分类方法[J]. 徐鹏,林森.  软件学报. 2009(10)
[6]一种新的决策树归纳学习算法[J]. 洪家荣,丁明峰,李星原,王丽薇.  计算机学报. 1995(06)

硕士论文
[1]运营商数据管理平台中的独立用户识别研究[D]. 沈昌干.东华大学 2015
[2]移动互联网中手机终端与流量特征分析[D]. 李银周.北京邮电大学 2014



本文编号：2945960