網(wǎng)絡流特征的時頻分析及其應用研究.pdf

1、網(wǎng)絡流特征是指能夠體現(xiàn)和表征網(wǎng)絡流行為模式的抽象實體,是網(wǎng)絡流分類、網(wǎng)絡節(jié)點識別、流量監(jiān)控管理等領域的基礎。在處理網(wǎng)絡擁塞和惡意攻擊、了解網(wǎng)絡運行狀況、流量分布等方面問題,以及網(wǎng)絡服務提供商制定網(wǎng)絡流控策略和運營策略時,基于網(wǎng)絡流特征的網(wǎng)絡流或網(wǎng)絡節(jié)點分類技術能夠提供數(shù)據(jù)分析方面的支持,因此也就成為了整個互聯(lián)網(wǎng)領域的研究熱點。
　　現(xiàn)有研究中使用的網(wǎng)絡流特征絕大部分是時域特征,而實驗表明,時域特征參數(shù)容易受網(wǎng)絡環(huán)境的影響,分類效果

2、不穩(wěn)定。因此本文引入了時頻分析的思路,對網(wǎng)絡流的時域特征進行時頻分析,提取并形成時頻特征參數(shù),然后采用機器學習的方法對網(wǎng)絡流或節(jié)點進行分類。整體工作如下:
　　1.時頻分析及時頻特征參數(shù)的提取。在網(wǎng)絡流或節(jié)點分類中,每一種類型的流或節(jié)點必然存在自己獨特的通信模式,也稱為“特征指紋”,因此我們選取出能夠體現(xiàn)出不同類型流或節(jié)點的本質(zhì)特點的時域特征,對其進行時頻分析。時頻分析包含多種時頻變換方法(時頻分布函數(shù)),理論上時頻分布函數(shù)可以有

3、無窮多個,各分布函數(shù)存在不同的性質(zhì)、特點和應用效果。因此,我們選取了短時傅里葉變換、小波包分解和Choi-Williams分布這三種具有代表性的時頻變換函數(shù),并在后續(xù)工作中比對分析了它們對流分類結果的影響。在時頻分析之后是時頻特征參數(shù)的提取。流時域特征信號轉換到時頻域后,是以時頻矩陣的形式呈現(xiàn)的,數(shù)據(jù)量大且矩陣大小不固定,無法直接用于機器學習。因此,如何從流特征的時頻矩陣中提煉出精簡的特征參數(shù)同時又能盡量減少信息的丟失,也就成為了另一個

4、關鍵問題。本文采用了基于統(tǒng)計學和基于Renyi熵的方法,對時頻矩陣進行處理并從中提取出時頻特征參數(shù),以進行后續(xù)的分類。
　　2.流特征的時頻分析在P2P流識別中的應用。本文首先分析了P2P流在應用層的通信特點,即數(shù)據(jù)分塊、多點并行傳輸?shù)奶攸c,一條 P2P流中會出現(xiàn)周期性傳輸大小相似的數(shù)據(jù)塊的現(xiàn)象,而在其他應用流中則未發(fā)現(xiàn)。因此,我們提取每秒傳輸?shù)臄?shù)據(jù)包個數(shù)和比特數(shù)的序列作為其時域特征,進行時頻分析。同時考慮到 P2P應用在資源分塊

5、傳輸時,雙向流之間會呈現(xiàn)出某種同步的周期性變化,因此,我們將雙向流作為分類的基本單位。
　　3.流特征的時頻分析在NAT節(jié)點識別中的應用。本文針對NAT(網(wǎng)絡地址轉換)技術將多個內(nèi)部私有IP地址綁定轉換成一個合法的公網(wǎng)IP地址這一特點,分析出普通的IP地址對應的連接數(shù)(可以用其保持的五元組流個數(shù)表示)更少并且突發(fā)性和隨機性更高,而NAT轉換后的IP地址因為聚合了多個IP,其宏觀上保持連接的五元組流數(shù)量更多并且更加平穩(wěn)。因此我們提取