基于聚類分析的網(wǎng)絡流量分類研究.pdf

1、隨著互聯(lián)網(wǎng)技術的快速發(fā)展，新的應用類型(如FTP、DNS、P2P等)不斷涌現(xiàn)，特別是一些采用非標準端口和協(xié)議加密形式進行通信的應用的出現(xiàn)，使得傳統(tǒng)的基于端口和基于有效載荷的網(wǎng)絡流量分類方法效率降低。這激發(fā)國內(nèi)外很多研究者以應用類型作為類別，以網(wǎng)絡中通信時所產(chǎn)生的流的統(tǒng)計特性作為特征，運用機器學習來進行網(wǎng)絡流量分類研究。這篇論文也是采用機器學習方法研究網(wǎng)絡流量分類以及相關技術。包括網(wǎng)絡流量數(shù)據(jù)采集、特征產(chǎn)生、樣本標識、特征選擇，以及應用機

2、器學習方法對網(wǎng)絡流進行分類等技術。
　　在基于機器學習方法的網(wǎng)絡流量分類中，網(wǎng)絡流量樣本，包括訓練樣本、測試樣本的獲取是非常重要的一步。文章首先通過校園網(wǎng)絡的中心交換機端口映射方法捕獲網(wǎng)絡報文，然后將采集到的報文按五元組(源IP地址、源端口號、目的IP地址、目的端口號、協(xié)議)解析為流，并統(tǒng)計報文大小、個數(shù)、時間、標志位等特征，形成了代表網(wǎng)絡流的特征向量。最后結合基于端口、基于有效載荷和協(xié)議等多種方法，實現(xiàn)樣本的自動標識，形成流樣本

3、，采用該方法進行標注正確率高。
　　在特征選擇方面，文章使用基于主成分分析(Principal Component Analysis,簡稱PCA)和基于信息增益等兩種特征選擇方法對兩個數(shù)據(jù)集的候選特征集進行了特征優(yōu)選，并得到了各自的最優(yōu)特征子集。實驗結果表明提出的方法可以減少特征的數(shù)量以便減少學習和分類的時間，同時還可以去掉不相關或冗余特征，提高分類的準確性。
　　最后，文章應用DBSCAN(Density Based Sp