基于DPI和增量决策树的流量分类与控制研究

发布时间：2021-03-19 17:47

　　随着互联网技术的飞速发展，各型流媒体和基于P2P的应用如雨后春笋般出现，它们在极大地丰富人们的网络使用体验的同时，也占据了大量的网络带宽。分析网络流量的成分并有针对性地进行管控已成为高效使用网络必须要做的工作。本研究深入分析了目前主流的协议识别方式，包括基于端口、报文内容、流特征和混合式协议识别四种的检测思路和优缺点，指出了现有的混合式协议识别模型中存在的问题：各个识别部件作为独立的子模块运行，没有充分协同工作；模型中的基于流特征的识别部件在选择流特征时上没有考虑到网络带宽的影响；大量基于流特征识别的研究使用的是非增量式机器学习算法，模型的分类能力完全取决于最初的训练数据，不能动态地适应流特征的最新变化。针对以上几个问题，本课题研究了带宽变化对流特征的影响，总结了选择用于流量控制的流特征应遵循的原则；并提出了一种改进的混合式流量分类模型。该模型不仅结合了两种识别方式的优点，并且其中的基于流特征识别模型可以通过增量式学习提高识别的精度；研究了Linux中的流量控制技术，将识别模型应用到了一个基于Linux平台的流量控制系统，最通过实验验证了模型的优越性，流量控制系统可以识别和控制常见协议... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景
    1.2 协议识别方法的研究现状及其不足
    1.3 研究内容和意义
    1.4 论文结构安排
2 改进的混合式流量分类模型 IHTCM
    2.1 总体设计
    2.2 基于 DPI 的协议识别
    2.3 基于流特征的协议识别
    2.4 本章小结
3 基于 IHTCM 的实时网络流量控制系统设计
    3.1 总体设计目标和部署方式
    3.2 系统总体架构
    3.3 流量捕获模块
    3.4 协议识别模块
    3.5 流量控制模块
    3.6 流量控制系统接口设计
    3.7 本章小结
4 测试和分析
    4.1 实验环境
    4.2 测试内容
    4.3 各项测试
    4.4 本章小结
5 总结和展望
    5.1 工作总结
    5.2 下一步研究方向
致谢
参考文献
附录 1 攻读硕士研究生期间发表论文


【参考文献】：
期刊论文
[1]一种改进的动态流特征选择算法[J]. 郭磊,王亚弟,陈庶樵,朱珂,伊鹏.  计算机工程与应用. 2012(18)
[2]一种组合式特征选择算法及其在网络流量识别中的应用[J]. 储慧琳,张兴明.  小型微型计算机系统. 2012(02)
[3]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)

硕士论文
[1]基于Smith-waterman的应用层协议特征自动提取算法的研究与实现[D]. 冯雪鹏.北京邮电大学 2011



本文编号：3089966