基于聚類算法的流量識(shí)別方法研究及系統(tǒng)實(shí)現(xiàn).pdf

1、準(zhǔn)確而快速的識(shí)別流量是確保網(wǎng)絡(luò)安全和流量控制的基礎(chǔ)。尤其是在如今Internet技術(shù)飛速發(fā)展，不斷涌現(xiàn)出新型的協(xié)議及應(yīng)用軟件，如P2P(Peer—To—Peer)等。新業(yè)務(wù)不斷增加，使得出口網(wǎng)絡(luò)帶寬利用率居高不下，甚至引起網(wǎng)絡(luò)擁塞，對(duì)于企業(yè)或者校園網(wǎng)絡(luò)來(lái)說(shuō)尤為明顯。同時(shí)，通過(guò)不安全的網(wǎng)絡(luò)環(huán)境獲得的應(yīng)用程序，可能使得病毒和惡意代碼入侵。本文的主要工作如下： 1．研究了應(yīng)用在網(wǎng)絡(luò)傳輸?shù)母鱾€(gè)屬性，以及幾種面向流量識(shí)別的聚類算法，并分析

2、了各個(gè)屬性的優(yōu)勢(shì)和劣勢(shì)，以及面向流量識(shí)別的聚類算法的優(yōu)點(diǎn)和存在的缺陷，為本文的研究目標(biāo)確定了方向。 2．在流量識(shí)別算法設(shè)計(jì)環(huán)節(jié)，首先本文確定了以應(yīng)用在進(jìn)行網(wǎng)絡(luò)連接時(shí)候的前4個(gè)數(shù)據(jù)包的長(zhǎng)度和方向?yàn)榱髁孔R(shí)別指標(biāo)；其次，以K—means算法為例，由于原始的K—means算法的初始化簇中心的選擇存在缺陷，通過(guò)對(duì)這個(gè)環(huán)節(jié)的改進(jìn)，并引入NMI值來(lái)對(duì)聚類效果進(jìn)行驗(yàn)證，得到了一種改進(jìn)的K—means算法，使用這個(gè)算法來(lái)對(duì)所選取的識(shí)別指標(biāo)進(jìn)行聚類

3、和特征提取。 3．在聚類算法提取出特征后，針對(duì)現(xiàn)今網(wǎng)絡(luò)流量的特征變化較快，而修改程序中的特征參數(shù)帶來(lái)編譯時(shí)間較長(zhǎng)，降低系統(tǒng)性能的問(wèn)題。本文提出使用XML腳本語(yǔ)言來(lái)對(duì)流量特征進(jìn)行描述，程序通過(guò)讀取特征描述文件在線匹配流量。這種方法在遇到特征變化的時(shí)候，只需修改腳本文件里面的特征參數(shù)即可。 4．基于上述3點(diǎn)，本文設(shè)計(jì)與實(shí)現(xiàn)了基于聚類算法的流量識(shí)別系統(tǒng)。該系統(tǒng)能支持多種聚類算法，并將所得到的流量特征使用XML腳本語(yǔ)言描述。通過(guò)