未知協(xié)議感知的網(wǎng)絡(luò)流量分類方法.pdf

1、網(wǎng)絡(luò)流量分類是指按照一定的規(guī)則識別應(yīng)用層的網(wǎng)絡(luò)協(xié)議。由于傳統(tǒng)的端口和特征匹配的方法的效率和準(zhǔn)確率都不夠理想，很多學(xué)者將機(jī)器學(xué)習(xí)應(yīng)用到網(wǎng)絡(luò)流量分類領(lǐng)域，基于統(tǒng)計(jì)的網(wǎng)絡(luò)分類方法通過提取一系列網(wǎng)絡(luò)包級別以及網(wǎng)絡(luò)流級別的統(tǒng)計(jì)參數(shù)，并將其作為分類算法的訓(xùn)練數(shù)據(jù)來得到能夠區(qū)分不同網(wǎng)絡(luò)協(xié)議的分類器。過往的研究假定訓(xùn)練數(shù)據(jù)中包含了所有的網(wǎng)絡(luò)協(xié)議的網(wǎng)絡(luò)數(shù)據(jù)，而現(xiàn)實(shí)情況是新型的協(xié)議不停的出現(xiàn)，如果忽略這些協(xié)議的網(wǎng)絡(luò)數(shù)據(jù)流則會影響精度。本文提出的未知協(xié)議感知

2、(upa)的網(wǎng)絡(luò)流量分類算法著重解決如何分類新型的未知協(xié)議的網(wǎng)絡(luò)流。
　　本文的主要工作有:
　　1.在未知協(xié)議網(wǎng)絡(luò)流數(shù)據(jù)的提取方法上，本文基于K-Means提出了受限K-Means聚類方法，K-Means是基于訓(xùn)練樣本空間距離的聚類方法，而對于網(wǎng)絡(luò)流數(shù)據(jù)的分類，本文采用IP地址和端口號進(jìn)行輔助聚類，從而更加準(zhǔn)確的分類不同類別的網(wǎng)絡(luò)流數(shù)據(jù)。
　　2.在網(wǎng)絡(luò)流的分類策略上，本文采用二元分類器與多元分類器相結(jié)合的方法提高分