基于网络流行为的网络流分类技术研究.pdf

国内图书分类号: 工学硕士学位论文基于网络流行为的网络流分类技术的研究硕士研究生:李丹丹导师:孙广路申请学位级别:工学硕士学科、专业:计算机应用技术所在单位:计算机科学与技术学院答辩日期:2015年3月14日授予学位单位:哈尔滨理工大学 Classified Index: Dissertation for the Master Degree in Engineering Research on the Methods work Traffic Classification Based on Behaiver Candidate: Li Dandan Supervisor: SunGuanglu Academic Degree Appliedfor: Master of Engineering Specialty: Computer Applied Technology Date of Oral Examination: 14th March,2015 University: Harbin University of Science and Technology 哈尔滨理工大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《基于网络流行为的网络流分类技术的研究》,是本人在导师指导下,在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名: 日期: 年月日哈尔滨理工大学硕士学位论文使用授权书《基于网络流行为的网络流分类技术的研究》系本人在哈尔滨理工大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈尔滨理工大学所有,本论文的研究内容不得以其他单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定,同意学校保留并向有关部门提交论文和电子版本,允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于保密,在年解密后适用授权书。不保密√(请在以上相应方框内打√) 作者签名: 日期: 年月日导师签名: 日期: 年月日哈尔滨理工大学工学硕士学位论文-I- 基于网络流行为的网络流分类技术的研究摘要互联网技术的迅猛发展,极大地改变了人们的生活,新闻浏览器、网上购物软件、电子商务、视频会议、聊天工具等各种网络应用不断涌现。随着大量的新型网络应用出现,海量的数据在互联网上飞速传输,尽可能准确快速地识别网络应用类型,从而过滤掉非法的网络APP的流量,控制某些大数据网络APP的传输比例和速率,确保关键性业务的正常运行,及深度优化其关键业务的服务质量,对网络的控制和管理起到了至关重要作用。当前网络环境下许多新型网络应用迅猛发展,而相当一部分的网络新应用采用的是随机端口,这使得基于网络端口的网络流量分类方法严重失效, 深度包检测(DPI)方法尽管相对于其他方法,在准确率方面有较高的提升,但是特征码的匹配采用的是字符串或者正则表达式的形式,使得在匹配过程中花费时间很长,并且对于载荷特征库有很高的更新维护成本。在当今超大数据流量的网络环境下DPI方法很难适应。而基于网络流行为的网络流量分类方法只需要得到流的基本行为特征信息,执行效率相对有所提高,成为网络流量分类技术发展的新趋势。基于网络流行为的识别方法需要一个前提假设, 就是属于同一个应用类别的对象存在一组相对稳定的特征结构,该特征可以是与应用类别相关的任何属性信息。本文从不同角度观察分析了网络流的行为统计特征,利用这些行为特征和数据挖掘算法有效区分不同应用类型的网络流,主要工作分为以下四个部分:首先,从网络流的行为统计特征出发,针对传统的基于有监督机器学习的分类方法对所有应用使用相同的特征使得某些特征对一种或几种应用类型有区分性,而对其他应用类型的网络流分类产生干扰等问题,提出采用基于子空间聚类算法的网络流分类方法,该方法可以识别新出现的未知应用。其次,研究了网络流中数据连接之间的关系,用实验验证了链路相似性原理的存在,并提出了基于链路相似性的网络流量识别方法。该方法只使用网络流的节点信息,不依赖于载荷信息。最后,研究了网络流的交互行为,发现P2P网络存在的特殊的交互模式, 将网络流之间的交互特点通过图度量的形式抽象出来,提出基于网络流行为哈尔滨理工大学工学硕士学位论文-II- 统计特征和图模型特征相结合的P2P流量识别方法。关键词网络流量分类;行为特征;子空间聚类;链路相似性哈尔滨理工大学工学硕士学位论文-III- Research on the Methods