自适应聚类的未知应用层协议识别方法

发布时间：2021-01-29 03:14

　　应用层协议识别是指从承载应用层协议数据的网络流量中提取出可以标识应用层协议的关键特征,并以这些关键特征为基础,将同种类型的应用层协议数据划分在一起。针对现有网络流量识别方法对未知应用层协议识别率低的问题,提出了一种自适应聚类的未知应用层协议识别方法。该方法以传统的AGNES层次聚类算法为基础,依据网络流应用层协议数据的负载特征,基于相似度对应用层协议进行聚类。方法将聚类算法中相似度计算划分为聚类前应用层协议数据间的相似度计算和聚类中簇间的相似度计算两部分,避免了重复性地计算应用层协议数据间的相似度,提升了算法的聚类效率。实验结果表明所提出的方法能够高效准确地对未知协议的网络流量进行识别。 

【文章来源】：计算机工程与应用. 2020,56(05)北大核心

【文章页数】：9 页

【部分图文】：

聚类循环过程的示例

(3）未知应用层协议聚类：对应用层协议数据进行簇初始化，通过簇间相似度算法计算获得簇间相似度，利用改进的聚类算法迭代反复，直至达到聚类停止条件，将同种应用层协议数据聚集在一个簇中，最后输出簇集合，集合中每一个簇即为一种应用层协议所对应的网络流信息的集合。3.2 数据预处理

应用层协议间相似度计算流程

【参考文献】：
期刊论文
[1]A Novel Deep Learning Method for Application Identification in Wireless Network[J]. Jie Ren,Zulin Wang.  中国通信. 2018(10)
[2]基于深度卷积神经网络的网络流量分类方法[J]. 王勇,周慧怡,俸皓,叶苗,柯文龙.  通信学报. 2018(01)
[3]网络流量分类方法研究[J]. 镇佳,朱国胜.  信息通信. 2017(08)
[4]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)
[5]基于谱聚类的网络流量分类识别算法[J]. 周文刚,陈雷霆,董仕.  电子测量与仪器学报. 2013(12)
[6]基于自适应BP神经网络的网络流量识别算法[J]. 谭骏,陈兴蜀,杜敏,朱锴.  电子科技大学学报. 2012(04)



本文编号：3006173