面向高速网络的智能化应用分类的研究

论文摘要

按照应用类型进行网络流量的分类对网络管理来说具有非常重要的意义。精确的分类可以帮助网络设备在拥塞时区分流量的优先级、进行流量整形、实现流量的诊断检测等等。同时,随着网络技术的发展,千兆网络成为园区网络的主流,不少主干网络已经达到10G量级。因此需要研究有效的面向高速网络的应用分类方法,以期根据实际需要以及网络运行状态部署合理的安全管理策略和流控措施。本论文创造性的提出了全新的分类方法-Further Division of Partition Space （FDPS）。该方法通过对已经过神经网络映射的数据集的识别空间的进一步划分,对传统的神经网络分类器进行了有效的改进。此外,本文还研究了FDPS与柔性神经树（FNT）的结合,以期进一步提高其性能。实验结果表明,FDPS与传统的神经网络分类器相比,具有更快的训练速度以及更高的分类精度。而通过与FNT的结合,FDPS的泛化能力可以得到进一步的提高。此外,本文还研究了几种主流的流量分类方式。通过对它们的比较,选择了基于传输层行为特征的流量分类方式作为本文的研究对象。这种方法克服了基于端口号和基于特征字段的分类方式的适应性差和无法识别流量伪装的缺点。其基本原理是,不同的应用在网络上发生传输时,会产生不同类型的行为特征,依据这些特征,可以实现对网络流量的分类。本文对基于传输层行为特征的流量分类方式,使用了FDPS算法,在经典的网络流量数据集Auckland IV上进行了测试。实验结果表明,FDPS算法在基于传输层行为特征的流量分类方式中的应用具有良好的性能与前景。但是,如果想在高速网络的环境下进行传输层特征的提取和分类,网络设备的处理速度必须被考虑。网络处理器（Network Processor,简称NP）是一种面向高速网络的有效的解决方案,它适用于各层网络处理,综合了ASIC的高速数据处理性能和RISC的可编程特性,提高了灵活性并降低了开发成本。基于上述研究,本论文设计了基于传输层行为特征的面向线速处理的流量分类系统,该系统使用FDPS与FNT相结合的算法（FDPS+FNT）作为核心分类方法,采用由INTEL公司出品的IXP2400网络处理器作为平台,实现了面向高速网络的智能化流量分类。实验结果表明,该系统可以很好的在高速网络环境下,对网络流量进行线速的分类处理。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 流量分类的背景与意义
• 1.2 网络处理器简介
• 1.3 论文的创新点
• 1.3.1 FDPS 算法的提出与改进
• 1.3.2 FDPS 算法在流量分类领域的运用
• 1.3.3 线速流量分类系统的设计
• 1.4 论文的组织结构
• 第二章 流量分类的研究进展与技术趋势
• 2.1 流量分类的基本方式
• 2.1.1 基于端口号的流量分类方式
• 2.1.2 基于特征字段的流量分类方式
• 2.1.3 基于传输层的流量分类方式
• 2.2 几种流量分类方式的比较
• 2.3 基于传输层的流量分类方式的研究现状
• 第三章 对识别空间进一步划分的分类算法FDPS
• 3.1 引论
• 3.1.1 数据分类技术简介
• 3.1.2 神经网络分类技术
• 3.2 对识别空间进一步划分的分类算法FDPS
• 3.2.1 FDPS 的基本思想
• 3.2.2 FDPS 的详细步骤
• 3.2.3 FDPS 的训练算法
• 3.2.4 使用FDPS 识别新的样本
• 3.3 FDPS 与柔性神经树FNT 的结合
• 3.3.1 柔性神经树FNT 介绍
• 3.3.2 FNT 与FDPS 的结合
• 3.4 实验
• 3.4.1 实验环境
• 3.4.2 测试标准
• 3.4.3 实验数据
• 3.4.4 实验结果与评价
• 第四章 FDPS 算法在流量分类中的应用
• 4.1 统计特征的选取
• 4.2 测试数据
• 4.3 试验结果
• 第五章 面向线速处理的流量分类器的设计
• 5.1 目标与开发平台
• 5.1.1 线速分类
• 5.1.2 网络处理器IXP2400
• 5.2 总体设计
• 5.3 详细设计
• 5.3.1 流信息统计模块
• 5.3.2 流分类模块
• 5.3.3 流识别模块
• 5.4 系统测试
• 5.4.1 测试环境
• 5.4.2 测试方法与实验结果
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 下一步工作
• 致谢
• 参考文献
• 附录A（攻读学位期间发表的论文目录）
• 附录B（攻读学位期间参加的科研项目）