基于模糊K-Means的網(wǎng)絡(luò)流分類系統(tǒng)研究與實現(xiàn).pdf

1、隨著網(wǎng)絡(luò)的不斷發(fā)展，特別是移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)，網(wǎng)絡(luò)已成為生活不可或缺的一部分。伴隨網(wǎng)絡(luò)發(fā)展而來的是，網(wǎng)絡(luò)安全、服務(wù)質(zhì)量和網(wǎng)絡(luò)管理等一些列相關(guān)問題日益突出。如果不能有效管理網(wǎng)絡(luò)流量，將對我們?nèi)粘Ｉa(chǎn)生活將會產(chǎn)生重大影響。網(wǎng)絡(luò)流量管理的基礎(chǔ)就是能有效對網(wǎng)絡(luò)流進行識別分類，然而基于端口或基于負載的網(wǎng)絡(luò)流分類方法的有效性已經(jīng)大大減弱，許多研究者開始將目光轉(zhuǎn)向基于機器學(xué)習(xí)的方法。因此，針對網(wǎng)絡(luò)流的模糊性特征，本文研究模糊聚類算法在網(wǎng)絡(luò)流分類中的應(yīng)

2、用和效果。
　　本文首先比較了基于端口、基于負載和基于機器學(xué)習(xí)的網(wǎng)絡(luò)流識別方法。然后介紹了網(wǎng)絡(luò)流相關(guān)概念和評價標準，并分別指出了這三類方法的優(yōu)勢、不足、使用場景。然后討論了網(wǎng)絡(luò)流流統(tǒng)計特征的選擇方法，針對網(wǎng)絡(luò)流分類提出了一種改進的模糊聚類算法，并將其應(yīng)用到對網(wǎng)絡(luò)流的識別。最后實現(xiàn)了一個網(wǎng)絡(luò)流的分類系統(tǒng)。本文主要工作內(nèi)容如下:
　　(1)在選取網(wǎng)絡(luò)流特征集時，本文分別從人工經(jīng)驗選擇和基于機器學(xué)習(xí)兩個方面考慮結(jié)合二者優(yōu)點尋找合適

3、的網(wǎng)絡(luò)流特征集，既盡可能多的考慮相關(guān)特征以提高分類準確度，同時又保持可接受的計算量。該方法先通過人工經(jīng)驗考察不同特征組對網(wǎng)絡(luò)流分類的影響，找出關(guān)鍵特征組，然后逐步細化出區(qū)分哪些特征對網(wǎng)絡(luò)流分類具有相對較高的貢獻度，最后通過機器學(xué)習(xí)算法對篩選出的特征進行分類效果比較確定最終合適的網(wǎng)絡(luò)流特征集。
　　(2)根據(jù)網(wǎng)絡(luò)流特征所具有的模糊特性，本文提出改進的模糊K-Means聚類算法。該算法通過模糊權(quán)重來刻畫流特征與不同應(yīng)用協(xié)議的隸屬關(guān)系。