IPv6網(wǎng)絡流量分類識別技術(shù)研究.pdf

1、網(wǎng)絡流量分類識別是互聯(lián)網(wǎng)研究領(lǐng)域的重要分支?；ヂ?lián)網(wǎng)流量的深入分析研究對于網(wǎng)絡擴容和優(yōu)化、網(wǎng)絡安全、上層用戶行為分析等具有重要意義。
　　 近年來，互聯(lián)網(wǎng)的持續(xù)演進和發(fā)展給流量分類識別研究帶來新的問題和挑戰(zhàn)。一方面，由于應用的復雜性，傳統(tǒng)的基于端口和基于載荷的流量分類方法突顯出其局限性，迫切需要一種更有效、更準確的流量分類新方法。另一方面，原始的IPv4協(xié)議由于其先天不足將被新一代網(wǎng)絡層協(xié)議IPv6所取代，也給流量分類識別研究帶來

2、了新的挑戰(zhàn)。針對上述問題，本文主要開展以下研究工作：
　　 ①結(jié)合重慶大學校園網(wǎng)IPv4和IPv6網(wǎng)絡流量實際情況，本文完整的介紹了新興的基于網(wǎng)絡流統(tǒng)計特征的機器學習分類方法的分類過程，并提出了目前IPv6網(wǎng)絡流量分類中所面臨的兩大難點問題。
　　 ②針對IPv6網(wǎng)絡流量中應用分布嚴重不平衡的問題，提出一種多分類器集成學習分類方法。該方法在以往研究者使用單一機器學習算法對網(wǎng)絡流量進行分類的基礎(chǔ)上，結(jié)合不同的單一機器學習算

3、法分類器各自的特點，使用傳統(tǒng)的基于多數(shù)投票法和一種新的基于實例選擇集成方法實現(xiàn)網(wǎng)絡流量分類。實驗結(jié)果表明：多分類器集成分類方法在算法準確率和泛化性能上有所提升。
　　 ③針對IPv6網(wǎng)絡未知流量的識別問題，提出一種改進型DBSCAN聚類流量分析方法。該方法在對基于密度的DBSCAN聚類算法深入分析的基礎(chǔ)上，改進了該算法時間效率性上的不足，最后通過改進型DBSCAN算法完成對校園網(wǎng)IPv6網(wǎng)絡流量真實數(shù)據(jù)的聚類分析。實驗結(jié)果表明：