基于机器学习的实时网络流量分类研究

1144766066 · 发表于 2022-4-30 13:42:58

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
随着计算机网络规模的不断扩大和网络用户的不断加入，互联网中每天都充斥着海量的网络流量。网管人员面对如此海量的网络流时，往往无所适从。由此，网络管理和网络测量分析越来越被人们所重视。同时，网络信息隐蔽和网络端口伪造等技术在P2P业务中的广泛应用使得网络流量识别难上加难。本文针对这一情况给出可以结合机器学习和数据挖掘的方法对网络流进行识别，并将识别后的统计信息展示给网管人员。本文研究实时环境下的网络流量的特性，采用基于PACKET-LEVEL的网络流特征序列—（内部到达时间，包负载大小）来表征一个网络流，并在此基础上，以网络流特征序列作为输入建立表征网络流应用类型的PLGMM-HMM（PACKET-LEVEL序列高斯混合分布的隐马尔可夫模型，PACKET-LEVEL Gaussian Mixture Model-Hidden Markov Model）模型。在模型训练的过程中，本文针对传统的Baum-Welch（BW）训练算法很难确定初始参数且多序列训练时精度下溢导致训练时间拉长或精度不够的情况，提出基于分段KMeans并结合BIC（Bayesian Information Criterion）准则的模型训练算法。从实验中表明，对于长序列、序列量较大的模型学习，基于分段KMeans的训练算法训练时间要优于BW算法。同时，根据一定实验表明，本文给出的PLGMM-HMM在识别准确率上不低于同类型的其他两种识别模型。根据所给出的PLGMM-HMM模型，论文最后实现了一个网络流的实时识别系统。该系统整合了数据采集、特征提取、模型训练、网络流识别、结果展示及存储等功能。系统经过一段时间的训练学习后，就能对采集回来的网络流进行在线识别。本文通过实验证实，该网络流实时识别系统可以识别伪造为HTTP流的P2P网络流，说明了本系统的正确性。

基于机器学习的实时网络流量分类研究

天涯海角也要找到Ni：基于机器学习的实时网络流量分类研究

相关帖子

浏览过的版块

QQ微信同步：1144766066。

服务

网站

战略合作