网络流量分类综述

最新推荐文章于 2023-09-18 09:55:29 发布
最新推荐文章于 2023-09-18 09:55:29 发布
阅读量1.5k 收藏 7
点赞数 1
文章标签： 网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44151034/article/details/123564969
版权

在这里插入图片描述
参考资料：
[1]邹腾宽,汪钰颖,吴承荣.网络背景流量的分类与识别研究综述[J].计算机应用,2019,39(03):802-811.
[2]杨琼华.网络流量分类研究进展综述及未来发展[J].企业科技与发展,2012(13):66-69.

网络流量分类概述
xianqiuyigedao的博客
11-07 2001
深度学习的另一个重要特点是，与传统的 ML 方法相比，它具有相当大的学习能力，因此可以学习高度复杂的模式。结合这两个特征，作为一种端到端方法，深度学习能够学习原始输入和相应的输出之间的非线性关系，而不需要将流量分类问题分解为特征选择和分类两个子问题。第一代常用的方法是使用端口号，但是随着P2P的普及，逐渐失效(因为P2P使用伪装端口的手法)。网络流量分类是指，构造一个分类模型，对收集到的各种网络流量进行分类识别，分类识别的结果是某种应用程序或者应用层协议。流量分类技术随着时间的推移已经发生了显着的发展。
网络流量分类研究进展与展望
04-09
近年来,随着互联网的迅猛发展,越来越多的新型网络应用逐渐兴起,网络规模不断扩大,网络组成也越来越复杂。网络流量分类技术作为增强网络可控性的基础技术之一,不仅可以帮助网络运营商提供更好的服务质量,而且能够对网络进行有效的监督管理,确保网络安全。 本文综述了网络流量分类领域的研究方法及研究成果,对这些传统方法进行比较,分别指出它们的优势和不足。并针对高速网络环境下的实时分类、加密流分类、精细化分类、协议动态变化时的分类等现实挑战,对相关研究进展进行阐述和分析。最后对未来的研究方向进行展望。
读文献—机器学习应用到网络流量分类综述
weixin_43129841的博客
11-29 2390
review of machine learning techniques for network traffic classification 网络流量分类 可以分为四种类型 ：基于端口的，基于载荷的，统计的以及行为的 对于基于端口的方式（对包头进行检查）来说主要有以下两种缺点： 1、某些应用程序可以将自身设置为知名端口来混淆自己 2、由于当前应用程序的多态性，通常无法理解确切的端口号 对于基于载荷的分类方式(不局限于对报头进行检查，而且与载荷内容进行对比）有以下两种缺陷： 1、当出现大量加密流量未分类
浅谈互联网流量种类的划分，及其价值所在！做到精准引流定向吸粉。
weixin_45967384的博客
07-22 2900
想要在互联网大海里捞钱，最重要的东西还是流量，无论你从事的什么行业，要想在互联网中立足，首先就需要流量，流量是奠基你在互联网收益的基础。比如某明星、某网红、某主播、认证的大V等等，他们年...
网络流量分类方法调研
cherrychen2019的博客
12-23 3086
网络流量分类方法调研 传统的网络流量分类方法 基于端口 最初的标准协议都分配有固定的端口，如HTTP服务的端口号为80，SMTP（简单邮件传输协议）服务的端口号为25等。在解析出数据包的端口信息后，可以据此推断网络流量所属协议类型 问题：随着动态端口、伪装端口及不标准端口号的出现，该方法的识别准确率显著下降。 基于有效负载 基于有效负载的方法，如深度包检测，通过在IP包的有效负载中搜索应用程序的签名，能够在一定程度上避免动态端口问题。 问题： -当加密流量出现时，该方法很难实现且计算开销很高 -面对快速发展
《网络流量分类》部分插图
云上笛暮
01-11 2807
网络流量研究
基于无监督机器学习的网络流量分类研究综述.pdf
09-24
"基于无监督机器学习的网络流量分类研究综述" 本文对基于无监督机器学习的网络流量分类研究进行了综述。网络流量分类技术日趋重要，已成为网络资源调度、网络信息安全等领域的基础支撑技术。无监督机器学习算法因其...
基于网络流量的设备识别技术综述与发展前景
最新发布
03-28
内容概要：本文详细介绍了基于网络流量的设备识别技术，涵盖了其发展历史、TCP/IP协议的基础知识以及当前的研究进展。文章首先回顾了早期设备识别的需求和方法，指出随着物联网设备的多样化和复杂化，传统的设备识别...
基于机器学习的多片FPGA的高速网络流量分类方法设计-论文
05-18
参考文献中引用了多篇与本研究相关的论文和文章，包括关于网络流量分类的研究、基于FPGA的网络包头分类的研究、卷积神经网络研究综述、深度学习研究等，这些都为本文的研究提供了理论和技术支持。 综上所述，基于...
基于深度卷积神经网络的网络流量分类方法
01-14
针对传统基于机器学习的流量分类方法中特征选取环节的好坏会直接影响结果精度的问题，提出一种基于卷积神经网络的流量分类算法。首先，通过对数据进行归一化处理后映射成灰度图片作为卷积神经网络的输入数据，然后，基于LeNet-5深度卷积神经网络设计适于流量分类应用的卷积层特征面及全连接层的参数，构造能够实现流量的自主特征学习的最优分类模型，从而实现网络流量的分类。所提方法可以在避免复杂显式特征提取的同时达到提高分类精度的效果。通过公开数据集和实际数据集的系列仿真实验测试结果表明，与传统分类方法相比所提算法基于改进的CNN流量分类方法不仅提高了流量分类的精度，而且减少了分类所用的时间。
流量分类方法设计（一）——参考论文整理
热门推荐
pnnngchg的博客
04-05 1万+
流量分类方法设计（一）——参考论文整理 因为最近在做流量分类有关的工作，所以将整个工作思路整理下来，希望对以后进一步的学习和论文写作有所帮助。 这一篇主要整理一下最近有关流量分类的论文，介绍他们的设计方法，以及创新点。 传统流量分类方法 早期的分类方法其一是基于端口，比如HTTP协议使用80端口，SSL使用443端口，这样基于数据包中端口号就能对协议进行区分。但是随着网络中数据复杂度...
基于深度学习的网络流量分类技术研究
小小程序员
04-24 4326
目的：网络流量分类一直是学术界、产业界和网络监管部门共同关注的热点之一，是指将混合流量分成不同的流量类别，依据是不同的网络应用或协议的特征或参数。一方面，网络安全领域需要识别入侵流量；另一方面，进行网络管理时需要对不同应用的流量分类分析，从而合理控制和分配资源，保证网络ＱｏＳ。随着网络流量的数据量和种类的大量增加，传统分类方法难以满足要求，基于机器学习的算法成为网络流量分类的研宄热点。针对机器学习...
物联网设备网络流量分类技术研究
a1287857681的博客
03-17 944
111
流量分类(1)
letian708的专栏
07-30 607
           流量分类就是将IP数据包以流的形式进行分类，从而判断其在应用层的应用。是QQ，还是p2p。目前我在研究som(自组织网络)在流分类中的应用。   有研究这个的朋友加个好友一起研究啊！ 
网络流量识别与分类工具
BlueBirdssh的专栏
08-02 1935
https://www.researchgate.net/publication/269094211_Independent_comparison_of_popular_DPI_tools_for_traffic_classification Deep Packet Inspection (DPI) is the state-of-the-art technology for traffic c...
关于深度学习的网络流量分类论文整理（一）
caiguanhong的博客
11-15 1万+
Paper：Malware Traffic Classification Using Convolutional Neural Network for Representation Learning 使用卷积神经网络进行表示学习的恶意软件流量分类 论文下载：https://ieeexplore.ieee.org/document/7899588 代码下载：https://github.com/echowei/DeepTraffic 数据处理工具包使用方法：https://github.com/yungshe
流量分类和标记——class-map方式、CAR方式、PBR方式
君逍遥o
09-18 857
class-map的作用主要是匹配条件，然后在policy-map中进行调用，并设置参数。
流量分类和标记
weixin_33713707的博客
08-07 1099
流量分类是将数据报文划分为多个优先级或多个服务类，如使用IP报文头的ToS（Type of service，服务类型）字段的前三位（即IP优先级）来标记报文，可以将报文最多分成8类；若使用DSCP（Differentiated Services Codepoint，区分服务编码点，ToS域的前6位），则最多可分成64类。在报文分类后，就可以将其它的QoS特性应用到不同的分类，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值