基于混合模式的網絡流量分類優(yōu)化.pdf

1、網絡流量分類是指將混合有各種應用的流量按應用協(xié)議來進行分類,即鑒別網絡報文分組的應用類別的過程。網絡流量分類技術除了能夠為運營商提供更好的網絡服務以外,還能有效地進行監(jiān)督和管理網絡。因此,網絡流量分類在優(yōu)化網絡帶寬、提高網絡服務質量、對特定的應用進行計費、對惡意流量進行監(jiān)測以及確保網絡安全等方面有著極其重要的意義。
　　流量分類的過程主要包括兩個步驟:首先是選擇適當?shù)木W絡流屬性集,作為分類器所用數(shù)據(jù)集;其次,選擇適當?shù)膶W習方法對網

2、絡流量進行分類。因而選擇普適性的特征集和合適的學習方法對于流量分類的結果至關重要。目前,現(xiàn)有的特征選擇技術使得特征集過度依賴于樣本空間,對于不同網絡環(huán)境的普適性較低,而當前研究較多的學習方法是機器學習方法,但其計算效率較低,難以實現(xiàn)實時分類。
　　因此,本文針對上述問題,基于混合模式對網絡流量分類方法進行了優(yōu)化。研究工作主要包括三個方面:第一,本文從量綱分析法的角度對流統(tǒng)計特征進行了規(guī)約化,并推導出一組普適性流量特征集;第二,由于

3、深度數(shù)據(jù)包檢測技術相對于統(tǒng)計學習方法來說更為準確、高效、移植性好,是目前商用流量分類系統(tǒng)的主要技術選擇,但無法適用于加密流量,而機器學習方法能解決這個問題。因此,本文采用的學習方法是機器學習和深度數(shù)據(jù)包檢測技術的混合技術(即混合模式);第三,構建了一個分布式平臺。通過該平臺利用混合方法對流量進行檢測和分類處理,利用多個集群系統(tǒng)進行并行處理、監(jiān)督和調度,以達到平攤資源、避免系統(tǒng)資源崩潰的效果,并且對負載均衡算法進行了改進,從而實現(xiàn)了資源的