互联网流量测量及分类技术的研究与设计

发布时间：2017-06-13 00:00

  本文关键词：互联网流量测量及分类技术的研究与设计，由笔耕文化传播整理发布。

【摘要】：近年来随着互联网技术的进一步成熟,大量的新型网络应用和服务不断涌现,它们在给人们带来便捷的同时也给网络运营商的维护管理带来了巨大的压力。随着数量众多的异构网络的接入,互联网变得更加难以掌控。通过网络流量测量能够获取网络行为特征,从而可以更好的管理网络。因此,如何有效的进行数据流量测量成为了一个重要的研究课题。本文全面总结了互联网流量测量的相关理论,阐述了互联网流量测量中的主要测量技术,包括基于主动测量的方法和基于被动模型的网络测量方法。接着介绍了高速网络下的几种流量测量模型,在此基础上对Netflow工具,包括Netflow的原理、框架结构、输出方式和使用方法进行了细致深入的研究。最后对流分类的方法进行了概述,介绍了传统的流量分类方法和机器学习在网络分类中的应用,系统全面地分析了有监督学习中的朴素Bayes方法、Bayes网络和决策树算法。在基于这些理论的基础上,设计了一个基于Netflow的网络流量测量及分类系统,并结合了本校园网的特点应用到校园网当中,具体工作如下:(1)数据流量采集模块的设计。在网络流量测量系统中采集模块是最为重要的功能模块,也是Netflow系统设计的核心组成部件。本文中Netflow数据采集模块是以路由器的接口作为流量监测的标志,其功能主要是将路由器发出的NetFlow网络流量数据输出包进行接收和处理,将包中的每一条网络数据流量信息按照一定得规则解压分析出来,并根据不同内容的网络数据流量信息采用不同的方式去应对。(2)数据流量的分类方法。随着网络规模的不断扩张,网络流量的特征变得异常复杂且难以预测,而对流量进行有效分类变得尤为重要,加之Netflow已经得到广泛的应用,所以本文设计了一种针对Netflow流信息进行分类的方法。将Netflow所包含的五元组数据包信息进行更深层次的推导,比如平均字节速率,平均包速率等来丰富Netflow流量特征空间,通过机器学习的流分类方法对Netflow数据进行分类。(3)数据流量的监测。互联网流量测量系统是利用Netflow技术,以MySQL作为数据库,利用Java语言、PHP和JpGraph(专门提供图表的类库)来设计的。该系统可以实现对校园网Netflow流的采集、测量、分类等功能,并将测量的结果以图表的方式来显示。用户可以通过此系统来进行流量排名的查询、根据IP地址查询Netflow流等。通过对流量数据的分析,网络管理人员能够及时的发现其中的问题并加以解决,为校园网的良好运行提供参考。
【关键词】：网络应用 流量测量 Netflow 网络流量分类
【学位授予单位】：曲阜师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.06
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-13
• 1.1 研究的背景与现实意义9-10
• 1.2 研究的现状10-11
• 1.3 研究的目的和任务11
• 1.4 论文的整体结构和章节安排11-13
• 第二章 互联网流量测量的相关技术基础13-25
• 2.1 互联网流量测量的定义及体系结构13-14
• 2.2 流量测量的技术14-17
• 2.2.1 主动测量14-15
• 2.2.2 被动测量15
• 2.2.3 抽样测量15-17
• 2.3 流量测量的手段和内容17-19
• 2.4 NetFlow技术19-24
• 2.4.1 Netflow简述19-23
• 2.4.2 Netflow应用23-24
• 2.5 本章小结24-25
• 第三章 互联网流量分类技术的研究25-32
• 3.1 流量分类的基本概念25-26
• 3.2 传统流量分类模型26-28
• 3.2.1 基于端口号映射的流量分类26-27
• 3.2.2 基于有效负载的分类27
• 3.2.3 基于主机行为的分类27-28
• 3.3 机器学习的流分类方法28-30
• 3.4 流量识别的发展趋势30-31
• 3.5 本章小结31-32
• 第四章 互联网流量测量系统的设计及实现32-46
• 4.1 流量监测系统的总体架构32
• 4.2 系统功能模块的设计32-40
• 4.2.1 流量采集模块32-36
• 4.2.2 流量识别模块36-37
• 4.2.3 流量存储模块37-39
• 4.2.4 界面显示模块39-40
• 4.3 流量测量系统的实现40-44
• 4.3.1 校园网的发展及管理40-41
• 4.3.2 互联网流量测量系统的运行及开发环境41
• 4.3.3 互联网流量测量系统的测试环境41
• 4.3.4 流量测量系统的实现41-44
• 4.4 本章小结44-46
• 第五章 总结与展望46-47
• 参考文献47-49
• 致谢49

【参考文献】

中国期刊全文数据库 前10条

1 曹建业;董永吉;冶晓隆;龚莉萍;;基于NetFlow的流量统计系统的设计与实现[J];计算机工程与设计;2014年02期

2 周爱平;程光;郭晓军;;高速网络流量测量方法[J];软件学报;2014年01期

3 刘德胜;黄芝平;唐贵林;刘纯武;;基于WinPcap的网络化测试通信层设计[J];自动化仪表;2012年07期

4 王涛;余顺争;;基于机器学习的网络流量分类研究进展[J];小型微型计算机系统;2012年05期

5 陈亮;龚俭;;基于NetFlow记录的高速应用流量分类方法[J];通信学报;2012年01期

6 刘琼;刘珍;黄敏;;基于机器学习的IP流量分类研究[J];计算机科学;2010年12期

7 黄君毅;吴静;张晖;;IP流量分类算法中特征选择作用分析[J];计算机工程;2010年16期

8 陈晓霞;任勇毛;李俊;张潇丹;;网络测量与分析研究综述[J];计算机系统应用;2010年07期

9 吴敏;王汝传;王治平;;基于支持向量机的P2P网络DoS攻击检测[J];计算机技术与发展;2009年11期

10 易竞;;PHP访问MYSQL数据库的实现[J];保险职业学院学报;2008年03期

  本文关键词：互联网流量测量及分类技术的研究与设计，，由笔耕文化传播整理发布。

本文编号：445184