面向不同应用类型的在线流量分类特征的研究

发布时间：2023-07-25 03:10

　　随着互联网的不断发展，诸如P2P、VoIP等新颖网络应用层出不穷。这些网络应用类型复杂度日益增长，使得网络测量、安全和服务质量保障以及其他网络管理任务面临巨大的挑战。网络流量分类正是解决上述难题的基石，尤其是在线流量分类，能够以实时或者近实时的方式识别出流经监测节点的流量类型，成为新的研究热点。其中，在线流量特征对于构建准确、快速和高效地在线分类模型至关重要，是在线流量分类领域最核心的问题之一。而且，随着流量分类需求的多样化，面向不同应用类型的在线特征成为新的研究热点，被广泛关注。 本文首先综述了互联网流量特征在网络流量分类与应用识别领域中的背景和研究现状以及对分类的作用。从在线流量分类的需求出发，按照实时性、低开销和有利于重新训练分类器等原则，从以Moore特征集为代表的统计特征中，挑选出适合于在线流量分类的特征。分别采用3种机器学习算法（C4.5、BayesNet和NBTree）在公开数据集（奥克兰数据集）上均取得了较高的分类准确率（92%以上）。之后，基于课题组所设计的在线流量分类平台，在现实的网络环境中验证了特征的有效性。 其次，随着互联网的不断发展，网络的速率变得越来越高，使...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 论文的研究对象和内容
    1.2 论文的研究背景和意义
    1.3 论文的主要工作及创新点
        1.3.1 在线流量特征的获取与分析
        1.3.2 数据包抽样条件下的在线流量分类
        1.3.3 特征选择对在线流量分类的优化
    1.4 论文的组织结构
第二章 互联网流量特征的研究现状
    2.1 端口特征
        2.1.1 端口特征的相关概念
        2.1.2 常见的端口特征
        2.1.3 端口特征对流量分类的作用
    2.2 应用负载特征
        2.2.1 应用负载特征的相关概念
        2.2.2 应用负载特征的分类
        2.2.3 应用负载特征对分类的作用
    2.3 统计特征
        2.3.1 统计特征的定义
        2.3.2 统计特征的分类
        2.3.3 统计特征对流量分类的作用
    2.4 主机行为特征
    2.5 本章小结
第三章 在线流量分类特征的研究
    3.1 在线流量分类对流量特征的要求
        3.1.1 实时性要求
        3.1.2 计算存储要求
        3.1.3 可重新训练分类器
    3.2 可用于在线流量分类的特征
        3.2.1 选用统计特征的原因
        3.2.2 在统计特征中进行的筛选
        3.2.3 适用于在线流量分类的特征
    3.3 模拟条件下验证特征对于在线流量分类的有效性
        3.3.1 数据集
        3.3.2 特征抽取
        3.3.3 分类算法
        3.3.4 结果分析
    3.4 现实网络环境中验证特征对于在线流量分类的有效性
        3.4.1 网络环境以及在线流量分类平台
        3.4.2 实验结果分析
    3.5 本章小结
第四章 基于抽样数据包的在线流量分类
    4.1 面临的主要问题
    4.2 基于数据包抽样的在线流量分类方法
    4.3 特征的概率分布
        4.3.1 获取概率分布的方法
        4.3.2 概率分析
    4.4 特征与应用类别的相关性分析
        4.4.1 相关性分析方法
        4.4.2 分析结果
    4.5 不同数据集上的验证
        4.5.1 分类准确率分析
        4.5.2 延时分析
        4.5.3 内存开销分析
    4.6 本章小结
第五章 面向不同应用类型的流量特征的研究
    5.1 特征选择简述
        5.1.1 特征选择流程
        5.1.2 特征选择对流量分类的影响
    5.2 动态自适应特征选择机制
        5.2.1 原理
        5.2.2 实验分析
    5.3 面向不同应用类型的特征选择机制
        5.3.1 原理
        5.3.2 实验分析
    5.4 本章小结
第六章 总结和展望
参考文献
致谢
附录



本文编号：3837049