学位论文 > 优秀研究生学位论文题录展示

基于粒子群优化半监督学习的网络流量分类方法研究

作　者: 张龙璨
导　师: 柳斌
学　校: 华中科技大学
专　业: 信息安全
关键词: 流特征选择 PSOKNN PSOKmeans 半监督机器学习会话劫持
分类号: TP393.06
类　型: 硕士论文
年　份: 2013年
下　载: 3次
引　用: 0次
阅　读: 论文下载

内容摘要

在互联网高速发展的今天，伴随着P2P下载和P2P流媒体技术的出现，各类新兴的网络应用如雨后春笋般涌现。网络负载的急剧增加使得传统的服务提供商逐渐认识到互联网形势的严峻。如何在高速大流量网络带宽中迅速有效地识别各类网络应用，并高效的将识别结果反馈到实际的网络控制中去，从而更好的为网络流量的管理和控制做贡献已经逐渐成为流量检测领域亟待解决的问题。针对此种现状，论文工作主要从下述几个方面展开：在以流特征作为网络流量分类的特征选择前提下，提出了一种高效的流特征向量的选择方法，该方法不仅覆盖到传统的网络应用，而且刻意添加了针对P2P流媒体具有较高区分度的流特征向量，使得特征向量的选择更全面，更有区分性。针对Kmeans、KNN等传统无监督机器学习方法存在的不足，使用粒子群的优化技术对它们进行优化。且针对有监督学习时标记样本特征所难以避免表现出的费时费力的问题，引入了半监督的机器学习理念，并最终设计并实现了基于粒子群优化半监督学习的网络流量分类系统。该分类系统具体细分为实时流量分类和离线流量分类两个方向。其中实时系统主要负责对在线网络流量的实时监控，此系统设计对实时性要求较高，因此在系统实现过程中提出了基于流中平均包大小分层的金字塔模型，此种模型可以有效应对实时流量区分中所表现出的高时效性，自身数据统计不完整性的特点。离线流量分类系统主要负责线下网络流量的区分，主要侧重于分类准确性的精细化工作，发现新的应用类型。通过流量分类系统在实时的初步分类和离线的精细化测量后，对于那些需要告警的校园网用户，针对校园网的自由性、开放性的特点，提出并设计了一种基于会话劫持技术的校园网告警系统，此系统简单易部署，且能够及时将警告信息反馈给校园网用户，从而最终达到维持校园网流量稳定的目的。

全文目录

摘要  4-5
Abstract  5-10
1 绪论  10-14
  1.1 研究背景  10-11
  1.2 国内外研究现状  11-12
  1.3 主要研究内容  12
  1.4 论文组织结构  12-14
2 论文相关技术  14-18
  2.1 基于流特征网络流量分类  14-15
  2.2 半监督机器学习分类方法  15-16
  2.3 本章小结  16-18
3 网络流量的特征选取  18-25
  3.1 引言  18
  3.2 流特征选择  18-21
  3.3 流特征提取过程设计  21-22
  3.4 实验结果与分析  22-23
  3.5 本章小结  23-25
4 基于半监督的实时流量分类方法  25-40
  4.1 引言  25
  4.2 粒子群优化 KNN 算法的实现  25-28
  4.3 实时分类方法的结构设计  28-37
  4.4 实验结果与分析  37-38
  4.5 本章小结  38-40
5 基于半监督的离线流量分类方法  40-52
  5.1 引言  40
  5.2 粒子群优化 Kmeans 算法的实现  40-43
  5.3 离线分类方法的结构设计  43-49
  5.4 实验结果与分析  49-50
  5.5 本章小结  50-52
6 流量分类结果的告知与预警  52-58
  6.1 引言  52
  6.2 TCP 会话劫持技术介绍  52-54
  6.3 预警技术设计与实现  54-56
  6.4 实验结果与分析  56-57
  6.5 本章小结  57-58
7 总结与展望  58-61
  7.1 全文总结  58-59
  7.2 工作展望  59-61
致谢  61-62
参考文献  62-65
附录 1 攻读学位期间发表论文目录  65

基于粒子群优化半监督学习的网络流量分类方法研究

内容摘要

全文目录

相似论文