网络业务流分析与分类研究

论文摘要

随着Internet的迅猛发展,业务流检测已经成为合理高效的应用网络资源的重要手段。网络业务流分析有助于解决可操作网络中的性能优化问题.通过采用各种技术及原则对网络流量进行衡量、特征化以及控制,使网络中数据流的传输更加可靠、迅速,有效利用网络资源。本文依托国家高技术研究发展计划(863计划)中的“网络安全事件监控技术及系统”课题,主要研究了网络监控系统中的网络业务流分析方法和网络业务流分类技术。针对网络业务流的分析与研究有助于保障国家基础信息网络、网络关键基础设施及运行在公众网络上的重要信息系统的安全运行。业务流分类方法及析取技术的研究为网络安全事件的应急处理、IP地址反向追踪及大规模的网络安全态势预测提供了研究前提。论文首先比较详尽的介绍了传统自相似网络业务流的分析方法,然后从理论上介绍了如何运用数据挖掘的方法对业务流进行离线分析。这一部分着重介绍了从业务流数据中挖掘关联规则的方法,通过关联规则可以分析不同的业务流之间或者业务流的不同的属性之间的联系,从而能够预测业务流的分布和发展趋势。论文对基于路径约束的数据挖掘方法提出了改进,并且分析了两种算法的性能,使网络管理者能够预测网络业务流的发展趋势,接下来阐述业务流分类的意义和已有的分类方法,并根据国内外的研究现状提出基于包链长度和包链大小应用矢量量化(VQ)和高斯混合的贝叶斯算法的业务流分类方法并实验验证,最后对上述两项科研工作做了总结。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景与意义
• 1.2 研究现状
• 1.2.1 传统的网络业务流模型
• 1.2.2 网络业务流的自相似特性
• 1.2.3 网络业务流的多重分形现象
• 1.2.4 网络业务流的自相似和多重分形模型
• 1.2.5 业务流的控制
• 1.3 本文工作安排
• 2 网络业务流分析方法研究
• 2.1 业务流分析方法概述
• 2.2 数据挖掘与关联规则
• 2.3 Apriori算法
• 2.4 面向业务流设计的新关联规则算法
• 2.4.1 PRAR算法
• 2.4.2 PRAR算法的改进
• 2.4.3 PRAR算法I和算法II举例
• 2.4.4 PRAR算法I和算法II性能分析
• 3 业务流分类的意义和方法介绍
• 3.1 网络业务流的概念和特征
• 3.2 网络业务流的分类方法
• 3.2.1 业务流分类的意义
• 3.2.2 ATM业务流分类方法
• 3.3 应用统计学方法
• 3.3.1 可行性分析
• 3.3.2 相关工作
• 3.3.3 业务流建模
• 4 应用矢量量化（VQ）的业务流分类
• 4.1 矢量量化基本原理
• 4.2 网络业务流量化
• 4.3 VQ的聚类过程
• 4.4 VQ测试过程
• 4.5 VQ的结果
• 5 应用贝叶斯定理的业务流分类
• 5.1 贝叶斯定理和朴素贝叶斯
• 5.2 朴素贝叶斯分类过程
• 5.3 基于朴素贝叶斯的业务流分类
• 5.4 改进的贝叶斯分类
• 5.4.1 高斯混合模型
• 5.4.2 高斯混合模型的参数估计
• 5.4.3 基于高斯混合的业务流分类
• 5.5 贝叶斯分类测试试验与结果
• 5.5.1 测试试验
• 5.5.2 试验结果与分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢