基于機器學習方法的網絡流量分類研究.pdf_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯網絡的日益發(fā)展和普及,網絡流量數據正以驚人的速度增長,它在給人們帶來方便的同時,也面臨著如何有效地對這些海量數據進行分析,以提高互聯網絡服務質量以及促進互聯網更快、更好的發(fā)展.這篇論文主要研究基于機器學習方法的網絡流量分類以及相關技術.包括網絡流量數據采集、特征產生、樣本標識、特征選擇,以及應用機器學習方法對網絡流進行分類等技術.
  在基于機器學習方法的網絡流量分類研究中,網絡流量樣本,包括訓練樣本、測試樣本的獲取是非常

2、重要的一步.首先我們通過Sniffer的方法捕獲網絡報文,然后將采集到的報文按五元組進行分類為流,再結合Packet-Level和Flow_Level兩個層面上的信息,在報文屬性(大小、個數、時間、標志位)、流的屬性(時間)上做了認真的分析和研究,產生了37個網絡流量統計特征,形成了表示網絡流的特征向量.在網絡流量樣本的標識上我們結合了基于端口、基于有效載荷,協議分解等多種方法,實現了樣本的自動標識系統,標識的正確率高.
  在特

3、征選擇方面,運用特征距離以及遺傳算法進行綜合選擇,這種方法可以有效地找到較好的遺傳算法的初始群體.從而能在較少的迭代次數當中找到較優(yōu)的特征子集,實驗結果表明提出的方法可以減少特征的數量,減少學習和分類的時間,同時還因去掉不相關或冗余特征,提高了分類的準確性.
  在基于機器學習的分類研究中,運用了六種不同的機器學習方法,對常見的網絡流量應用類型進行了分類研究,并給出了實驗結果,實驗結果表明基于機器學習方法的網絡流量分類可以避免傳統

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論