基于機(jī)器學(xué)習(xí)的GTalk流量識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來,隨著網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,即時(shí)通訊類工具數(shù)量劇增,給有效控管網(wǎng)絡(luò)流量造成了極大的困難。在巨大的網(wǎng)絡(luò)流量中,不可避免的存在著許多的異常流量,其中不乏存在一些用戶借助某些軟件進(jìn)行違法作業(yè)的惡意行為。Google Talk作為即時(shí)通訊類工具的典型代表,它可以作為網(wǎng)絡(luò)代理實(shí)現(xiàn)網(wǎng)絡(luò)穿透,這給網(wǎng)絡(luò)管理和網(wǎng)絡(luò)安全帶來了極大的麻煩。因此,對Google Talk流量進(jìn)行有效的識別是十分迫在眉睫的。目前大多數(shù)的Google Talk流量識別系統(tǒng)都只

2、能識別出Google Talk流量,無法做到將Google Talk流量細(xì)分。本論文主要是圍繞在網(wǎng)絡(luò)流量中如何實(shí)時(shí)高效的識別并細(xì)分出Google Talk的四類流量這個(gè)問題,通過在系統(tǒng)中實(shí)現(xiàn)四種流量識別技術(shù),以基于機(jī)器學(xué)習(xí)的流量識別技術(shù)為核心,其余三種流量識別技術(shù)作為輔助,最終達(dá)到Google Talk流量細(xì)分的目的。
　　本文在研究了Google Talk流量識別系統(tǒng)的現(xiàn)實(shí)意義基礎(chǔ)上,分析了與本課題相關(guān)的國內(nèi)外的研究現(xiàn)狀,在項(xiàng)目

3、的需求分析以及概要設(shè)計(jì)階段,建立了用戶的用例模型,確定了功能需求和非功能需求,并確定了技術(shù)方案,設(shè)計(jì)一個(gè)基于機(jī)器學(xué)習(xí)的Google Talk流量識別系統(tǒng)。在詳細(xì)設(shè)計(jì)階段將系統(tǒng)劃分為三個(gè)模塊,分別是流量捕獲模塊、流量識別模塊、日志模塊。流量捕獲模塊是采用在線和離線兩種方式捕獲網(wǎng)絡(luò)中的流量。流量識別模塊是完成Google Talk流量的識別與細(xì)分。日志模塊主要是完成查看日志、分析日志以及統(tǒng)計(jì)。在系統(tǒng)實(shí)現(xiàn)階段,通過程序流程圖詳細(xì)描述了系統(tǒng)的關(guān)

4、鍵操作流程,重點(diǎn)體現(xiàn)了以機(jī)器學(xué)習(xí)的三種分類算法模型為主,其余三種流量識別技術(shù)為輔,并用同幾組數(shù)據(jù)對機(jī)器學(xué)習(xí)的三個(gè)算法分類器進(jìn)行評估,最終選定評估效果最好的C4.5決策樹算法模型來作為本系統(tǒng)的最終算法。在系統(tǒng)的測試階段,進(jìn)一步驗(yàn)證了系統(tǒng)的功能需求和非功能需求,體現(xiàn)出了非常好的準(zhǔn)確性和實(shí)用性,最后總結(jié)了本系統(tǒng)的優(yōu)點(diǎn)和不足之處。
　　系統(tǒng)已經(jīng)正式上線使用,并對四種Google Talk流量檢測模型進(jìn)行部署上線工作。在上線運(yùn)行的這段時(shí)間里