基于概念漂移检测的自适应流量识别研究

发布时间：2021-08-09 13:55

　　随着网络的高速发展和硬件水平的提高，互联网感知技术扮演的角色愈发重要。由于网络应用程序复杂化和个人隐私的重视，流量识别作为最典型的网络感知技术，正在从基于端口和深层数据包检测等面向数据包识别向面向数据流识别的方向过渡。虽然有机器学习和数据挖掘方面的研究作为基础，但是基于机器学习的网络流量识别仍然面临着很多挑战，概念漂移问题就是首当其冲的一个。对概念漂移问题的研究，将会对网络流量识别技术的发展有很大的促进作用。首先本文从网络流量角度对概念漂移检测的基本原理做出了详细的阐述，从概念、目标概念和概念漂移及其检测的定义到概念漂移检测的不同类型，论文都有涉及，为后面的研究奠定了理论基础。其次，对目前数据流挖掘领域处理概念漂移的基于误差率的概念漂移检测方法进行了分析，误差率方法的局限性限制了它的应用范围。然后，在分析概念漂移检测的原理和利用卡方检验、Fisher检验的相关知识的基础上，提出了基于统计学理论的概念漂移算法，且进行了详细的理论论证，并通过实验验证了基于统计学的理论方法的有效性。另外，考虑真实网络环境的类别不平衡现象，比较了贝叶斯核估计、决策树和支持向量机三种机器学习算法的优劣，并选择了... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

基于权重的自适应流量识别示意图

哈尔滨工业大学工学硕士学位论文分类采用同一种机器学习算法构造基本识别器不一样，它利用不算法构造基本识别器，当然之后，依旧根据这些基本识别器来决识别结果。 4-7 展示了基于平均概率的自适应识别的工作过程，图中网络流数据包集合，只在最近的网络数据集合上训练基本识别器，只不的机器学习方法，这样就同样能够得到多个基本识别器，多个基集成识别器，集成识别器的最终结果输出同样是由所有基本识别公式（4-2）。11G(x)= (x) miigm

哈尔滨工业大学工学硕士学位论文合基于权重和基于平均概率两者的优点，我们构造我们最终的基于集成的应流量识别器。（1）构建过程网络流量中 n 个按时间顺序捕获的网络数据包集合，如图 4-8 所示，基均概率的基本识别器在最近的一个网络数据包集合上构建，基于权重的基别器在之前的 n 个数据包集合上构建，最后的整体自适应流量识别器的输所有的基本识别器决定，具体的步骤如下（如图 4-9 所示）。

【参考文献】：
期刊论文
[1]概念漂移数据流分类研究综述[J]. 文益民,强保华,范志刚.  智能系统学报. 2013(02)
[2]基于复合特征的P2P业务识别系统的研究与实现[J]. 陈庆章,邵奔,陈超.  东南大学学报(自然科学版). 2008(S1)
[3]数据流挖掘分类技术综述[J]. 王涛,李舟军,颜跃进,陈火旺.  计算机研究与发展. 2007(11)



本文编号：3332191