基于機器學習的GTalk流量識別系統(tǒng)的設計與實現(xiàn).pdf

1、近年來,隨著網(wǎng)絡技術(shù)的迅猛發(fā)展,即時通訊類工具數(shù)量劇增,給有效控管網(wǎng)絡流量造成了極大的困難。在巨大的網(wǎng)絡流量中,不可避免的存在著許多的異常流量,其中不乏存在一些用戶借助某些軟件進行違法作業(yè)的惡意行為。Google Talk作為即時通訊類工具的典型代表,它可以作為網(wǎng)絡代理實現(xiàn)網(wǎng)絡穿透,這給網(wǎng)絡管理和網(wǎng)絡安全帶來了極大的麻煩。因此,對Google Talk流量進行有效的識別是十分迫在眉睫的。目前大多數(shù)的Google Talk流量識別系統(tǒng)都只

2、能識別出Google Talk流量,無法做到將Google Talk流量細分。本論文主要是圍繞在網(wǎng)絡流量中如何實時高效的識別并細分出Google Talk的四類流量這個問題,通過在系統(tǒng)中實現(xiàn)四種流量識別技術(shù),以基于機器學習的流量識別技術(shù)為核心,其余三種流量識別技術(shù)作為輔助,最終達到Google Talk流量細分的目的。
　　本文在研究了Google Talk流量識別系統(tǒng)的現(xiàn)實意義基礎上,分析了與本課題相關(guān)的國內(nèi)外的研究現(xiàn)狀,在項目

3、的需求分析以及概要設計階段,建立了用戶的用例模型,確定了功能需求和非功能需求,并確定了技術(shù)方案,設計一個基于機器學習的Google Talk流量識別系統(tǒng)。在詳細設計階段將系統(tǒng)劃分為三個模塊,分別是流量捕獲模塊、流量識別模塊、日志模塊。流量捕獲模塊是采用在線和離線兩種方式捕獲網(wǎng)絡中的流量。流量識別模塊是完成Google Talk流量的識別與細分。日志模塊主要是完成查看日志、分析日志以及統(tǒng)計。在系統(tǒng)實現(xiàn)階段,通過程序流程圖詳細描述了系統(tǒng)的關(guān)

4、鍵操作流程,重點體現(xiàn)了以機器學習的三種分類算法模型為主,其余三種流量識別技術(shù)為輔,并用同幾組數(shù)據(jù)對機器學習的三個算法分類器進行評估,最終選定評估效果最好的C4.5決策樹算法模型來作為本系統(tǒng)的最終算法。在系統(tǒng)的測試階段,進一步驗證了系統(tǒng)的功能需求和非功能需求,體現(xiàn)出了非常好的準確性和實用性,最后總結(jié)了本系統(tǒng)的優(yōu)點和不足之處。
　　系統(tǒng)已經(jīng)正式上線使用,并對四種Google Talk流量檢測模型進行部署上線工作。在上線運行的這段時間里