基于機器學習的網絡流量分類系統(tǒng)設計與實現.pdf

1、基于機器學習的網絡流量分類系統(tǒng)設計與實現重慶大學碩士學位論文(專業(yè)學位)學生姓名：梅國薇指導教師：李雙慶副教授學位類別：工程碩士（計算機技術領域）重慶大學計算機學院二O一七年四月重慶大學碩士學位論文中文摘要I摘要近年來，互聯網已經成為人類社會生活的重要組成部分。網絡流量管理對于保障互聯網的正常運行，滿足各種不同服務質量的要求具有至關重要的作用。網絡流量識別與分類是網絡流量管理的核心技術。成功地識別和分類網絡流量能夠為進一步進行流量控制、

2、監(jiān)測、統(tǒng)計以及服務質量保證等網絡管理操作提供前期的技術保證。網絡流量識別可以采用多種技術手段，包括基于端口、網絡應用特征簽名、網絡流量統(tǒng)計特征等的流量識別技術。機器學習是一種利用數據集訓練出模型，再利用模型預測目標數據屬性的方法。論文將機器學習中的一些經典算法應用在網絡流量分類領域，進而比較各種算法的分類效果，為實際工程應用提供必要的參考。論文主要完成工作如下：①研究了幾種經典的機器學習分類算法。分析了算法的原理和各自的特點，結合網絡流

3、量的數據特性來得到它們在網絡流量識別與分類中的應用結合點。②提出了一種針對在線網絡流量分類的數據模型。數據模型根據屬性的信息增益率排名以及實驗驗證結果選擇流量特征屬性。對基于此數據模型建立的分類模型進行評估，驗證該數據模型對縮短流量特征處理時間，簡化分類模型結構的有效性。③分析比較了3種基于機器學習算法構建的網絡流量分類模型的性能。首先，基于不同的抽樣策略對樣本數據集進行抽樣獲取訓練集，分別使用樸素貝葉斯、支持向量機和C4.5決策樹3種

4、機器學習算法構建流量分類模型，并在測試集上對這3種分類模型進行驗證。然后根據模型的分類準確率，召回率以及訓練和驗證的時間消耗等性能指標評估各分類模型在處理在線網絡流量分類問題時的性能表現。④設計并開發(fā)了一個基于機器學習的在線網絡流量分類原型系統(tǒng)。該原型系統(tǒng)采用BS模式，選擇分類效果較優(yōu)的流量分類模型作為分類模塊，可以對10種應用類別的網絡流量進行在線識別與分類，實現了網絡流量監(jiān)控，可視化圖表展示分類的統(tǒng)計結果以及根據屬性條件篩選查詢特定