基于DPI和增量決策樹的流量分類與控制研究.pdf

1、隨著互聯(lián)網(wǎng)技術的飛速發(fā)展,各型流媒體和基于P2P的應用如雨后春筍般出現(xiàn),它們在極大地豐富人們的網(wǎng)絡使用體驗的同時,也占據(jù)了大量的網(wǎng)絡帶寬。分析網(wǎng)絡流量的成分并有針對性地進行管控已成為高效使用網(wǎng)絡必須要做的工作。
　　本研究深入分析了目前主流的協(xié)議識別方式,包括基于端口、報文內容、流特征和混合式協(xié)議識別四種的檢測思路和優(yōu)缺點,指出了現(xiàn)有的混合式協(xié)議識別模型中存在的問題:各個識別部件作為獨立的子模塊運行,沒有充分協(xié)同工作;模型中的基于

2、流特征的識別部件在選擇流特征時上沒有考慮到網(wǎng)絡帶寬的影響;大量基于流特征識別的研究使用的是非增量式機器學習算法,模型的分類能力完全取決于最初的訓練數(shù)據(jù),不能動態(tài)地適應流特征的最新變化。
　　針對以上幾個問題,本課題研究了帶寬變化對流特征的影響,總結了選擇用于流量控制的流特征應遵循的原則;并提出了一種改進的混合式流量分類模型。該模型不僅結合了兩種識別方式的優(yōu)點,并且其中的基于流特征識別模型可以通過增量式學習提高識別的精度;研究了Li