

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、流量識(shí)別對(duì)互聯(lián)網(wǎng)的網(wǎng)絡(luò)安全和網(wǎng)絡(luò)管理領(lǐng)域具有重要意義。隨著新的網(wǎng)絡(luò)應(yīng)用的出現(xiàn)和網(wǎng)絡(luò)應(yīng)用技術(shù)的不斷的發(fā)展,傳統(tǒng)的識(shí)別方法的局限性日益體現(xiàn),端口識(shí)別由于P2P等應(yīng)用對(duì)端口的使用方式而失去了自身的優(yōu)勢(shì),DPI技術(shù)雖然可以有效的識(shí)別網(wǎng)絡(luò)流量,但是無法處理加密的流量?;跈C(jī)器學(xué)習(xí)的識(shí)別方法可以有效地改善這兩種技術(shù)存在的缺陷,而面對(duì)眾多這類算法,如何從中選擇或者加以改進(jìn)以適合特定實(shí)際流量環(huán)境仍是該領(lǐng)域未能完全解決的問題。另外目前抽樣技術(shù)已經(jīng)廣泛用于
2、高速的網(wǎng)絡(luò)測(cè)量和網(wǎng)絡(luò)管理中,在抽樣的網(wǎng)絡(luò)環(huán)境下對(duì)于基于流的特征屬性的影響以及測(cè)度之間的相關(guān)性的影響也是該領(lǐng)域目前的一個(gè)研究熱點(diǎn)。本文的研究工作圍繞以上目標(biāo)展開,通過建立標(biāo)準(zhǔn)數(shù)據(jù)集,研究基于流記錄的流量識(shí)別方法。具體的研究工作包括以下幾個(gè)方面:
1、屬性選擇算法對(duì)網(wǎng)絡(luò)流量識(shí)別的影響:在目前基于流記錄的網(wǎng)絡(luò)流量識(shí)別中,測(cè)度屬性的選取對(duì)其尤為重要,由于每個(gè)測(cè)度屬性都有很高的計(jì)算復(fù)雜度及空間復(fù)雜度,這樣就對(duì)在線流量識(shí)別提出挑戰(zhàn),而屬性
3、選擇算法能依據(jù)一定的評(píng)估策略選擇出更能區(qū)分流量類別的屬性,通過降低屬性的維度來降低其計(jì)算復(fù)雜度和空間復(fù)雜度,并提高分類和識(shí)別的正確率,本文分別提出基于類均值向量的FBRI屬性選擇算法和流區(qū)分信息屬性度的MSAS屬性選擇算法,并和傳統(tǒng)的FCBF算法進(jìn)行了比較,實(shí)驗(yàn)表明本文所提出的屬性選擇算法能更好的區(qū)分行為測(cè)度屬性和類屬性之間的相關(guān)性。
2、抽樣對(duì)網(wǎng)絡(luò)流量識(shí)別的影響:在目前的網(wǎng)絡(luò)管理中普遍采用報(bào)文抽樣作為一種手段來降低測(cè)量的高負(fù)
4、載以及測(cè)量的數(shù)據(jù)量。因此把目前的流量識(shí)別技術(shù)應(yīng)用到帶有抽樣機(jī)制的網(wǎng)絡(luò)管理系統(tǒng)中,勢(shì)必要分析抽樣對(duì)流量識(shí)別的影響以便于更好的適應(yīng)系統(tǒng)的要求,鑒于此,本文分別對(duì)三種常見的抽樣方法對(duì)流行為特征測(cè)度的相關(guān)性影響進(jìn)行了實(shí)驗(yàn)分析,并通過對(duì)常見識(shí)別算法的結(jié)果分析,考察抽樣對(duì)流量識(shí)別的影響。
3、基于有監(jiān)督的識(shí)別算法:目前大部分研究仍采用有監(jiān)督流量識(shí)別方法對(duì)流量進(jìn)行識(shí)別,然而還存在屬性計(jì)算復(fù)雜度高,識(shí)別精度較低等不足,本文為提高識(shí)別精度提出一
5、種基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)方法(PCA BP),該方法通過在BP神經(jīng)網(wǎng)絡(luò)前段采用主成分分析方法對(duì)高維屬性進(jìn)行降維,構(gòu)建最佳的主成分,并作為BP神經(jīng)網(wǎng)絡(luò)新的輸入。實(shí)驗(yàn)結(jié)果表明通過前置PCA能改善BP神經(jīng)網(wǎng)絡(luò)的識(shí)別精度,提高識(shí)別效率。
4、基于無監(jiān)督的聚類算法:隨著新的網(wǎng)絡(luò)應(yīng)用不斷產(chǎn)生,例如P2P應(yīng)用,這些應(yīng)用由于屬于沒有標(biāo)記的樣本,因此無法采用有監(jiān)督的機(jī)器學(xué)習(xí)方法,對(duì)標(biāo)準(zhǔn)樣本集進(jìn)行訓(xùn)練,進(jìn)而產(chǎn)生相應(yīng)的分類器對(duì)流量進(jìn)行識(shí)別,因此為了
6、解決對(duì)新的網(wǎng)絡(luò)應(yīng)用的識(shí)別問題,本文提出一種基于改進(jìn)的KMEANS的聚類的流量識(shí)別方法,該方法通過把初次聚類的結(jié)果進(jìn)行模擬退火處理,從而避免了由于K參數(shù)選取所造成聚類結(jié)果的盲目性,改善了聚類算法本身對(duì)于流量的聚類結(jié)果的正確性。
5、多分類器算法模型:目前單分類器在識(shí)別精度上已經(jīng)進(jìn)入一個(gè)瓶頸,不同的分類器有一定的偏好性,如果能夠充分利用各分類器的優(yōu)勢(shì),這樣將對(duì)識(shí)別在性能方面得到一定的提升,因此本文提出多分類器算法模型,采用證據(jù)理論
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 網(wǎng)絡(luò)流量測(cè)量與識(shí)別關(guān)鍵技術(shù)研究.pdf
- 網(wǎng)絡(luò)流量測(cè)量關(guān)鍵技術(shù)研究.pdf
- 基于機(jī)器學(xué)習(xí)的流量識(shí)別關(guān)鍵技術(shù)研究.pdf
- 網(wǎng)絡(luò)業(yè)務(wù)識(shí)別關(guān)鍵技術(shù)研究.pdf
- 基于視頻流的人臉識(shí)別關(guān)鍵技術(shù)研究.pdf
- 網(wǎng)絡(luò)流量分析關(guān)鍵技術(shù)研究.pdf
- 網(wǎng)絡(luò)流量控制若干關(guān)鍵技術(shù)研究.pdf
- 面向高速網(wǎng)絡(luò)流量測(cè)量的關(guān)鍵技術(shù)研究.pdf
- IP網(wǎng)絡(luò)業(yè)務(wù)識(shí)別關(guān)鍵技術(shù)研究.pdf
- 步態(tài)識(shí)別關(guān)鍵技術(shù)研究.pdf
- 基于MapReduce的網(wǎng)絡(luò)書寫紋識(shí)別關(guān)鍵技術(shù)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別關(guān)鍵技術(shù)研究.pdf
- 基于圖像的昆蟲識(shí)別關(guān)鍵技術(shù)研究.pdf
- 語種識(shí)別關(guān)鍵技術(shù)研究.pdf
- 掌紋識(shí)別關(guān)鍵技術(shù)研究.pdf
- 語音識(shí)別關(guān)鍵技術(shù)研究.pdf
- VPN協(xié)議識(shí)別關(guān)鍵技術(shù)研究.pdf
- 事件關(guān)系識(shí)別關(guān)鍵技術(shù)研究.pdf
- 自動(dòng)車牌識(shí)別關(guān)鍵技術(shù)研究.pdf
- 手指靜脈識(shí)別關(guān)鍵技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論