基于混合模式的网络流量分类优化中文摘要
基于混合模式的网络流量分类优化 中文摘要
网络流量分类是指将混合有各种应用的流量按应用协议来进行分类，即鉴别网络 报文分组的应用类别的过程。网络流量分类技术除了能够为运营商提供更好的网络服 务以外，还能有效地进行监督和管理网络。因此，网络流量分类在优化网络带宽、提 高网络服务质量、对特定的应用进行计费、对恶意流量进行监测以及确保网络安全等 方面有着极其重要的意义。
流量分类的过程主要包括两个步骤：首先是选择适当的网络流属性集，作为分类 器所用数据集；其次，选择适当的学习方法对网络流量进行分类。因而选择普适性的 特征集和合适的学习方法对于流量分类的结果至关重要。目前，现有的特征选择技术 使得特征集过度依赖于样本空间，对于不同网络环境的普适性较低，而当前研究较多 的学习方法是机器学习方法，但其计算效率较低，难以实现实时分类。
因此，本文针对上述问题，基于混合模式对网络流量分类方法进行了优化。研究 工作主要包括三个方面：第一，本文从量纲分析法的角度对流统计特征进行了规约化， 并推导出一组普适性流量特征集；第二，由于深度数据包检测技术相对于统计学习方 法来说更为准确、高效、移植性好，是目前商用流量分类系统的主要技术选择，但无 法适用于加密流量，而机器学习方法能解决这个问题。因此，本文采用的学习方法是 机器学习和深度数据包检测技术的混合技术(即混合模式)；第三，构建了一个分布 式平台。通过该平台利用混合方法对流量进行检测和分类处理，利用多个集群系统进 行并行处理、监督和调度，以达到平摊资源、避免系统资源崩溃的效果，并且对负载 均衡算法进行了改进，从而实现了资源的综合利用，提高了优化效率。
实验结果表明，在高带宽骨干网现网复杂流量类别中，本文推导出的规约化方法 具有一定的普适性，用于分类的时间较短，效率更高。同时本文在该局域网环境下， 利用规约化的数据集进行基于混合模式的分类实验，并分别与以往的这种混合技术以 及单一的深度数据包检测技术进行对比，结果表明基于混合模式的网络流量分类平台 规模较小，分类速度相对更快，从而进一步说明了系统优化的效果。 关键词：流量分类，混合模式，量纲规约，普适特征，分布式
作者：刘玲 指导老师：朱艳琴
I
A optimization Network Traffic Based on a mixed-mode Classificaion MethodAbstract
A Optimization of Network Traffic Based on a mixed-mode Classification Method
Abstract
The network traffic classification refers that a variety of mixed application traffic are classified accurately according to the application protocol, namely the process of identification and classification the application network packet. Network traffic classification technology as an enhancement of the controllability of the underlying technology network, not only can help network operators to provide better quality of service, but also help carry out effective supervision and manage network. Therefore, in the field of optimizing network bandwidth, improving quality of network service, billing for specific applications, monitoring malicious traffic and ensuring network securely, the network traffic classification has a very important significance.
Traffic classification consists of two steps: Firstly, selecting the appropriate network feature set which is used as th
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
