基于聚类分析的网络流量识别技术研究
发布时间：2022-03-10 14:45
网络流量的日益激增和网络技术的持续发展给有效的网络安全管理和流量监管带来了巨大的挑战,而有效的网络安全管理和流量监管的前提是对网络流量的可靠识别。因此,如何准确、高效地识别网络应用流量成为当今计算机网络研究的热门研究课题。本文针对基于聚类的网络流量识别技术进行了研究与分析。本文对基于K均值的半监督学习网络流量识别方法进行了研究。基于传统K均值算法的流量识别技术,受限于无监督学习算法K均值算法自身容易陷入局部最优解导致聚类准确性不足的缺点,无法得到理想的流量识别效果。而K均值聚类算法的不足主要由无法确定最优聚类个数和不合理的随机选取初始簇中心造成的。因此本文主要从K均值聚类的这两个缺点出发,对半监督学习识别方法常用的K均值聚类方面进行改进,得到较优的流量识别方法。该算法基于密度的思想,通过在高密度区域选择初始簇中心来改进传统K均值算法的初始类簇中心选择问题,同时基于流量分布原理引入聚类效果判定函数对最佳聚类个数进行确定来改进最优聚类个数无法确定的问题。通过与基于传统K均值算法的流量识别做对比试验,验证了该改进算法在识别准确率方面具有明显优势。本文对在线流量识别方法进行了研究。针对于大多数...
【文章来源】：哈尔滨工程大学黑龙江省211工程院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 论文研究内容
1.3 论文组织结构
第2章 网络流量识别相关技术背景介绍
2.1 引言
2.2 网络流量识别技术发展历程
2.3 网络流量识别的基础概念
2.3.1 网络数据帧
2.3.2 网络数据流
2.3.3 网络流量识别
2.3.4 主要判别标准
2.4 流量识别技术研究现状
2.4.1 基于传输层端口映射的流量识别
2.4.2 基于深度报文检测的流量识别
2.4.3 基于行为特征匹配的流量识别
2.4.4 基于机器学习的流量识别
2.4.4.1 数据流统计特征提取
2.4.4.2 有监督学习流量识别
2.4.4.3 半监督学习流量识别
2.4.4.4 早期流量识别
2.5 本章小结
第3章 基于改进K均值算法的网络流量识别
3.1 引言
3.2 K均值聚类算法
3.3 基于改进K均值的流量识别算法
3.3.1 算法相关概念和定义
3.3.2 算法描述
3.4 实验结果与分析
3.4.1 数据集和特征属性
3.4.2 实验环境和方案
3.4.4 实验结果
3.5 本章小结
第4章 基于增量聚类算法的在线流量识别
4.1 引言
4.2 增量聚类算法
4.3 在线流量识别方法
4.3.1 特征属性选择
4.3.2 方法描述
4.4 实验结果与分析
4.4.1 实验方案
4.4.2 实验结果
4.5 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于支持向量机的加密流量识别方法[J]. 程光,陈玉祥. 东南大学学报(自然科学版). 2017(04)
[2]一种基于分类存储的空间高效Aho-Corasick算法[J]. 汪泓才,李训根. 计算机应用与软件. 2017(05)
[3]基于五元组加载荷特征的在线流量分类方法[J]. 黄盛林,王恩海,何燕玲,王伟. 科研信息化技术与应用. 2015(05)
[4]高速网络下P2P流量识别研究[J]. 穆筝,吴进,许书娟. 信息网络安全. 2015(05)
[5]基于有效载荷大小的早期网络流量识别(英文)[J]. 吴同,韩臻,王伟,彭立志. Journal of Southeast University（English Edition）. 2014(03)
[6]基于加权累积和检验的加密流量盲识别算法[J]. 赵博,郭虹,刘勤让,邬江兴. 软件学报. 2013(06)
[7]Tor匿名通信流量在线识别方法[J]. 何高峰,杨明,罗军舟,张璐. 软件学报. 2013(03)
[8]基于NetFlow记录的高速应用流量分类方法[J]. 陈亮,龚俭. 通信学报. 2012(01)
[9]在线聚类的网络流量识别[J]. 张剑,钱宗珏,寿国础,胡怡红. 北京邮电大学学报. 2011(01)
[10]增量聚类算法综述[J]. 李桃迎,陈燕,秦胜君,李楠. 科学技术与工程. 2010(35)
博士论文
[1]网络流量分类识别若干技术研究[D]. 周文刚.电子科技大学 2014
硕士论文
[1]基于DPI的流量识别方法研究与应用[D]. 石林.江西理工大学 2015
[2]Snort入侵检测系统中模式匹配算法的研究[D]. 刘惠.东北大学 2014
[3]基于有限状态自动机的中文多模式匹配算法研究[D]. 杨波.合肥工业大学 2013
[4]网络通信中地址端口动态跳变技术的研究与实现[D]. 丰伟.华中科技大学 2013
本文编号：3645813
【文章来源】：哈尔滨工程大学黑龙江省211工程院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 论文研究内容
1.3 论文组织结构
第2章 网络流量识别相关技术背景介绍
2.1 引言
2.2 网络流量识别技术发展历程
2.3 网络流量识别的基础概念
2.3.1 网络数据帧
2.3.2 网络数据流
2.3.3 网络流量识别
2.3.4 主要判别标准
2.4 流量识别技术研究现状
2.4.1 基于传输层端口映射的流量识别
2.4.2 基于深度报文检测的流量识别
2.4.3 基于行为特征匹配的流量识别
2.4.4 基于机器学习的流量识别
2.4.4.1 数据流统计特征提取
2.4.4.2 有监督学习流量识别
2.4.4.3 半监督学习流量识别
2.4.4.4 早期流量识别
2.5 本章小结
第3章 基于改进K均值算法的网络流量识别
3.1 引言
3.2 K均值聚类算法
3.3 基于改进K均值的流量识别算法
3.3.1 算法相关概念和定义
3.3.2 算法描述
3.4 实验结果与分析
3.4.1 数据集和特征属性
3.4.2 实验环境和方案
3.4.4 实验结果
3.5 本章小结
第4章 基于增量聚类算法的在线流量识别
4.1 引言
4.2 增量聚类算法
4.3 在线流量识别方法
4.3.1 特征属性选择
4.3.2 方法描述
4.4 实验结果与分析
4.4.1 实验方案
4.4.2 实验结果
4.5 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于支持向量机的加密流量识别方法[J]. 程光,陈玉祥. 东南大学学报(自然科学版). 2017(04)
[2]一种基于分类存储的空间高效Aho-Corasick算法[J]. 汪泓才,李训根. 计算机应用与软件. 2017(05)
[3]基于五元组加载荷特征的在线流量分类方法[J]. 黄盛林,王恩海,何燕玲,王伟. 科研信息化技术与应用. 2015(05)
[4]高速网络下P2P流量识别研究[J]. 穆筝,吴进,许书娟. 信息网络安全. 2015(05)
[5]基于有效载荷大小的早期网络流量识别(英文)[J]. 吴同,韩臻,王伟,彭立志. Journal of Southeast University（English Edition）. 2014(03)
[6]基于加权累积和检验的加密流量盲识别算法[J]. 赵博,郭虹,刘勤让,邬江兴. 软件学报. 2013(06)
[7]Tor匿名通信流量在线识别方法[J]. 何高峰,杨明,罗军舟,张璐. 软件学报. 2013(03)
[8]基于NetFlow记录的高速应用流量分类方法[J]. 陈亮,龚俭. 通信学报. 2012(01)
[9]在线聚类的网络流量识别[J]. 张剑,钱宗珏,寿国础,胡怡红. 北京邮电大学学报. 2011(01)
[10]增量聚类算法综述[J]. 李桃迎,陈燕,秦胜君,李楠. 科学技术与工程. 2010(35)
博士论文
[1]网络流量分类识别若干技术研究[D]. 周文刚.电子科技大学 2014
硕士论文
[1]基于DPI的流量识别方法研究与应用[D]. 石林.江西理工大学 2015
[2]Snort入侵检测系统中模式匹配算法的研究[D]. 刘惠.东北大学 2014
[3]基于有限状态自动机的中文多模式匹配算法研究[D]. 杨波.合肥工业大学 2013
[4]网络通信中地址端口动态跳变技术的研究与实现[D]. 丰伟.华中科技大学 2013
本文编号：3645813
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3645813.html
