面向不同應(yīng)用類型的在線流量分類特征的研究.pdf

1、隨著互聯(lián)網(wǎng)的不斷發(fā)展，諸如P2P、VolP等新穎網(wǎng)絡(luò)應(yīng)用層出不窮。這些網(wǎng)絡(luò)應(yīng)用類型復(fù)雜度日益增長(zhǎng)，使得網(wǎng)絡(luò)測(cè)量、安全和服務(wù)質(zhì)量保障以及其他網(wǎng)絡(luò)管理任務(wù)面臨巨大的挑戰(zhàn)。網(wǎng)絡(luò)流量分類正是解決上述難題的基石，尤其是在線流量分類，能夠以實(shí)時(shí)或者近實(shí)時(shí)的方式識(shí)別出流經(jīng)監(jiān)測(cè)節(jié)點(diǎn)的流量類型，成為新的研究熱點(diǎn)。其中，在線流量特征對(duì)于構(gòu)建準(zhǔn)確、快速和高效地在線分類模型至關(guān)重要，是在線流量分類領(lǐng)域最核心的問題之一。而且，隨著流量分類需求的多樣化，面向不同應(yīng)

2、用類型的在線特征成為新的研究熱點(diǎn)，被廣泛關(guān)注。
　　 本文首先綜述了互聯(lián)網(wǎng)流量特征在網(wǎng)絡(luò)流量分類與應(yīng)用識(shí)別領(lǐng)域中的背景和研究現(xiàn)狀以及對(duì)分類的作用。從在線流量分類的需求出發(fā)，按照實(shí)時(shí)性、低開銷和有利于重新訓(xùn)練分類器等原則，從以Moore特征集為代表的統(tǒng)計(jì)特征中，挑選出適合于在線流量分類的特征。分別采用3種機(jī)器學(xué)習(xí)算法（C4.5、BayesNet和NBTree）在公開數(shù)據(jù)集（奧克蘭數(shù)據(jù)集）上均取得了較高的分類準(zhǔn)確率（92％以上）。之

3、后，基于課題組所設(shè)計(jì)的在線流量分類平臺(tái)，在現(xiàn)實(shí)的網(wǎng)絡(luò)環(huán)境中驗(yàn)證了特征的有效性。
　　 其次，隨著互聯(lián)網(wǎng)的不斷發(fā)展，網(wǎng)絡(luò)的速率變得越來越高，使得網(wǎng)絡(luò)監(jiān)測(cè)的壓力越來越大，尤其在高速網(wǎng)絡(luò)環(huán)境中，數(shù)據(jù)抽樣變得不可避免。這對(duì)流量分類系統(tǒng)造成顯著地沖擊，尤其是對(duì)于在線流量分類。本文探索了基于抽樣的少數(shù)數(shù)據(jù)包進(jìn)行在線流量分類，并使用非參數(shù)概率密度估計(jì)方法分析了特征在不同的數(shù)據(jù)包抽樣條件下的概率分布，結(jié)合互信息理論分析了特征與應(yīng)用類型的相關(guān)性，

4、最后結(jié)合C4.5分類算法在公開數(shù)據(jù)集和自己采集的數(shù)據(jù)集上驗(yàn)證了方法的有效性。
　　 最后，鑒于互聯(lián)網(wǎng)高度的動(dòng)態(tài)可變性、易逝性和不可逆性等特點(diǎn)，當(dāng)網(wǎng)絡(luò)環(huán)境發(fā)生變化時(shí)，會(huì)出現(xiàn)概念漂移的現(xiàn)象，對(duì)在線流量分類造成嚴(yán)重的挑戰(zhàn)。據(jù)此，本文設(shè)計(jì)了一種具有自適應(yīng)的流量特征選擇方法，使得在網(wǎng)絡(luò)環(huán)境發(fā)生變化時(shí)，分類系統(tǒng)能夠自動(dòng)生成與網(wǎng)絡(luò)環(huán)境最契合的特征子集，保證了在線流量分類系統(tǒng)的性能。除此之外，為了應(yīng)付不斷變化的分類需求以及對(duì)個(gè)別應(yīng)用類型的獨(dú)特要