基于消息统计值的网络流分类研究

论文摘要

由于网络技术和网络应用的不断发展,网络的业务需求与日俱增,造成了网络带宽的巨大消耗,甚至引起网络拥塞,从而大大降低了网络性能,严重影响了网络服务质量。为了使网络性能得到保证,需要监控网络中的各个环节。识别网络流应用的类别是网络规划和管理的关键手段,其速度和性能的好坏直接影响着网络规划、网络流工程、网络账单和收费、异常流检测和控制等网络管理工作的效果。因此,研究准确、快速的网络流识别方法越来越受到人们的重视。通过对各种应用业务的网络流的会话行为特点的分析,提出将网络会话的消息作为统计值的基本元素,并获得了基于网络会话消息统计值的备选特征集合。然后利用基于奇异值分解(SVD)算法的特征删减和基于决策树算法的筛选特征,以最终确定了最优的消息统计值的特征集合,包括请求消息的载荷最小值、网络会话中消息的个数、请求消息的载荷最大值。然后根据目前研究的一些网络业务分类技术,采用简单有效的C4.5决策树分类技术对网络流进行应用类型识别。在设计的实验中,利用麻省理工学院林肯实验室的DARPA数据集和华中科技大学软件学院实验室收集的网络通信数据集,对最优消息统计值的特征集合构建决策树分类方法进行测试,分类器的总体准确度达到99%以上。将得到的实验结果与其他的分类方法比较,进一步验证了所提出的基于消息统计值特征的决策树分类方法的优越性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文的主要贡献及组织结构
• 2 关键技术分析
• 2.1 术语定义
• 2.2 奇异值分解原理
• 2.3 TCP 状态机
• 2.4 决策树分类算法
• 2.5 本章小结
• 3 网络应用特征选取
• 3.1 网络应用分类
• 3.2 基于消息统计值的特征
• 3.3 基于奇异值分解和决策树算法的特征选取法的原理
• 3.4 本章小结
• 4 算法的设计与实现
• 4.1 基于奇异值分解特征删减法设计与实现
• 4.2 利用决策树算法的特征选取法设计与实现
• 4.3 分类算法设计
• 4.4 本章小结
• 5 实验设计与结果分析
• 5.1 实验设计
• 5.2 分类器输出结果
• 5.3 实验结果分析
• 5.4 本章小结
• 6 总结与展望
• 致谢
• 参考文献
• 附录1 攻读硕士学位期间拟发表论文目录