面向不同應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)絡應用層出不窮。這些網(wǎng)絡應用類型復雜度日益增長，使得網(wǎng)絡測量、安全和服務質量保障以及其他網(wǎng)絡管理任務面臨巨大的挑戰(zhàn)。網(wǎng)絡流量分類正是解決上述難題的基石，尤其是在線流量分類，能夠以實時或者近實時的方式識別出流經(jīng)監(jiān)測節(jié)點的流量類型，成為新的研究熱點。其中，在線流量特征對于構建準確、快速和高效地在線分類模型至關重要，是在線流量分類領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

2、用類型的在線特征成為新的研究熱點，被廣泛關注。
　　 本文首先綜述了互聯(lián)網(wǎng)流量特征在網(wǎng)絡流量分類與應用識別領域中的背景和研究現(xiàn)狀以及對分類的作用。從在線流量分類的需求出發(fā)，按照實時性、低開銷和有利于重新訓練分類器等原則，從以Moore特征集為代表的統(tǒng)計特征中，挑選出適合于在線流量分類的特征。分別采用3種機器學習算法（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確率（92％以上）。之

3、后，基于課題組所設計的在線流量分類平臺，在現(xiàn)實的網(wǎng)絡環(huán)境中驗證了特征的有效性。
　　 其次，隨著互聯(lián)網(wǎng)的不斷發(fā)展，網(wǎng)絡的速率變得越來越高，使得網(wǎng)絡監(jiān)測的壓力越來越大，尤其在高速網(wǎng)絡環(huán)境中，數(shù)據(jù)抽樣變得不可避免。這對流量分類系統(tǒng)造成顯著地沖擊，尤其是對于在線流量分類。本文探索了基于抽樣的少數(shù)數(shù)據(jù)包進行在線流量分類，并使用非參數(shù)概率密度估計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，結合互信息理論分析了特征與應用類型的相關性，

4、最后結合C4.5分類算法在公開數(shù)據(jù)集和自己采集的數(shù)據(jù)集上驗證了方法的有效性。
　　 最后，鑒于互聯(lián)網(wǎng)高度的動態(tài)可變性、易逝性和不可逆性等特點，當網(wǎng)絡環(huán)境發(fā)生變化時，會出現(xiàn)概念漂移的現(xiàn)象，對在線流量分類造成嚴重的挑戰(zhàn)。據(jù)此，本文設計了一種具有自適應的流量特征選擇方法，使得在網(wǎng)絡環(huán)境發(fā)生變化時，分類系統(tǒng)能夠自動生成與網(wǎng)絡環(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，為了應付不斷變化的分類需求以及對個別應用類型的獨特要