基于ELM的网络流量分类技术研究
发布时间：2021-01-01 07:48
网络的发达使得大数据成为了炙手可热的时代产物。云时代的来临,大量的非结构化和半结构化的数据需要一个像MapReduce的框架为成百上千台计算机分配工作。网络应用呈多元化发展,网络流量激增和网络系统复杂性给网络管理带来了严峻挑战。网络流量分类是一种从数据中识别流量特征并分析其协议和应用程序的技术。这种技术对于维护网络安全,保障网络运营和提高网络服务质量等方面具有重要意义。网络流量分类一般有三个步骤:收集流量数据,提取流量特征,并匹配分类流量。由于网络流量数据在不可控的条件下会有数据量大、属性杂乱以及属性之间线性相关等特点,因此,本文有两个重点研究内容,分别侧重于:数据降维处理和利用算法分类网络流量。整理所得关于网络流量分类的资料文献,获得流量分类的背景和掌握流量分类的发展进程,研究约简处理数据的方法包括以特征提取为原则的主成分分析（Principal Component Analysis,PCA）、以特征选择为原则的粗糙集算法（Rough Set,RS）与极限学习机相结合对网络流量分类的效果。论文主要工作包括:1.研究了数据预处理方法以及数据降维算法,数据预处理利用了科学工具整合了数据集...
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
文件传输线图
图 2-2 各主机文件传输出度与入度2.1 数据预处理数据预处理究其根本指的是结构化数据，结构化数据适用于所有通用格式的数据比如：1. 多维数组/矩阵。2. 表格数据，其中每列可以是不同类型的数据，无论是字符串，日期还是值。例如，存储在关系数据库或文本文件中的数据，其中制表符和逗号分隔符。3. 通过键列相互链接的多个表。4. 间隔平均/不平均的时间序列。大多数数据集可以转换为更适合分析和建模的更结构化的形式，即使难以转换数据形式，也可以将其特征提取为结构化形式。例如，可以将一组新闻文章处
图 2-2 PCA 最大方差理论 特征提取的具体步骤如下：1：输入数据集 X，对 X 计算均值记为 Xmean，令 Xnew=X-Xmean。2：求得 Xnew的协方差，记为 covXnew。3：计算 covXnew的特征值和它的特征向量。4：特征值以降序排列，挑走前数个特征值对应的特征向量组成特。5：计算 XnewW。把 Xnew投影至选定的特征向量上，得到降维后的成分分析[23]，它的英文缩写是 KPCA，KPCA 是 PCA 的非线性扩线性数据集的处理时，线性的 PCA 往往无法胜任此工作，而尺寸数据的 KPCA 可以挖掘数据集中包含的非线性信息。KPCA 的弱的选取较难，目前也没有什么指导性方法可以参考。核函数的种类众
【参考文献】：
期刊论文
[1]AR-OSELM算法在网络入侵检测中的应用研究[J]. 魏书宁,陈幸如,焦永,王进. 信息网络安全. 2018(06)
[2]基于ELM的网络流量分类及可视化研究[J]. 陈幸如,魏书宁. 安徽师范大学学报(自然科学版). 2018(02)
[3]AR-HELM算法在网络流量分类中的应用研究[J]. 魏书宁,陈幸如,唐勇,刘慧. 信息网络安全. 2018(01)
[4]基于机器学习的网络流量分类算法分析研究[J]. 李晓明,任慧,颜金尧. 中国传媒大学学报(自然科学版). 2017(02)
[5]基于随机森林的流量多特征提取与分类研究[J]. 韦泽鲲,夏靖波,张晓燕,付凯,申健. 传感器与微系统. 2016(12)
[6]网络加密流量识别研究综述及展望[J]. 潘吴斌,程光,郭晓军,黄顺翔. 通信学报. 2016(09)
[7]在线学习的大规模网络流量分类研究[J]. 易磊,潘志松,邱俊洋,薛胶,任会峰. 智能系统学报. 2016(03)
[8]面向多类不均衡网络流量的特征选择方法[J]. 孙兴斌,孙彦赞,郑小盈,芮赟. 计算机应用研究. 2017(02)
[9]一种基于集成学习的流量分类算法[J]. 李林林,张效义,张霞,李青. 信息工程大学学报. 2015(02)
[10]基于半监督的网络流量分类识别算法[J]. 周文刚,陈雷霆,Lubomir Bic,董仕. 电子测量与仪器学报. 2014(04)
硕士论文
[1]核PCA特征提取方法及其应用研究[D]. 高绪伟.南京航空航天大学 2009
本文编号：2951209
【文章来源】：湖南师范大学湖南省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
文件传输线图
图 2-2 各主机文件传输出度与入度2.1 数据预处理数据预处理究其根本指的是结构化数据，结构化数据适用于所有通用格式的数据比如：1. 多维数组/矩阵。2. 表格数据，其中每列可以是不同类型的数据，无论是字符串，日期还是值。例如，存储在关系数据库或文本文件中的数据，其中制表符和逗号分隔符。3. 通过键列相互链接的多个表。4. 间隔平均/不平均的时间序列。大多数数据集可以转换为更适合分析和建模的更结构化的形式，即使难以转换数据形式，也可以将其特征提取为结构化形式。例如，可以将一组新闻文章处
图 2-2 PCA 最大方差理论 特征提取的具体步骤如下：1：输入数据集 X，对 X 计算均值记为 Xmean，令 Xnew=X-Xmean。2：求得 Xnew的协方差，记为 covXnew。3：计算 covXnew的特征值和它的特征向量。4：特征值以降序排列，挑走前数个特征值对应的特征向量组成特。5：计算 XnewW。把 Xnew投影至选定的特征向量上，得到降维后的成分分析[23]，它的英文缩写是 KPCA，KPCA 是 PCA 的非线性扩线性数据集的处理时，线性的 PCA 往往无法胜任此工作，而尺寸数据的 KPCA 可以挖掘数据集中包含的非线性信息。KPCA 的弱的选取较难，目前也没有什么指导性方法可以参考。核函数的种类众
【参考文献】：
期刊论文
[1]AR-OSELM算法在网络入侵检测中的应用研究[J]. 魏书宁,陈幸如,焦永,王进. 信息网络安全. 2018(06)
[2]基于ELM的网络流量分类及可视化研究[J]. 陈幸如,魏书宁. 安徽师范大学学报(自然科学版). 2018(02)
[3]AR-HELM算法在网络流量分类中的应用研究[J]. 魏书宁,陈幸如,唐勇,刘慧. 信息网络安全. 2018(01)
[4]基于机器学习的网络流量分类算法分析研究[J]. 李晓明,任慧,颜金尧. 中国传媒大学学报(自然科学版). 2017(02)
[5]基于随机森林的流量多特征提取与分类研究[J]. 韦泽鲲,夏靖波,张晓燕,付凯,申健. 传感器与微系统. 2016(12)
[6]网络加密流量识别研究综述及展望[J]. 潘吴斌,程光,郭晓军,黄顺翔. 通信学报. 2016(09)
[7]在线学习的大规模网络流量分类研究[J]. 易磊,潘志松,邱俊洋,薛胶,任会峰. 智能系统学报. 2016(03)
[8]面向多类不均衡网络流量的特征选择方法[J]. 孙兴斌,孙彦赞,郑小盈,芮赟. 计算机应用研究. 2017(02)
[9]一种基于集成学习的流量分类算法[J]. 李林林,张效义,张霞,李青. 信息工程大学学报. 2015(02)
[10]基于半监督的网络流量分类识别算法[J]. 周文刚,陈雷霆,Lubomir Bic,董仕. 电子测量与仪器学报. 2014(04)
硕士论文
[1]核PCA特征提取方法及其应用研究[D]. 高绪伟.南京航空航天大学 2009
本文编号：2951209
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/2951209.html
