隨著網(wǎng)絡(luò)技術(shù)特別是移動互聯(lián)網(wǎng)的發(fā)展,社會日常生產(chǎn)生活已經(jīng)越來越依賴于網(wǎng)絡(luò)。與此同時,維護(hù)網(wǎng)絡(luò)空間安全與網(wǎng)絡(luò)惡意攻擊活動之間一直處于相互博弈的過程,木馬、計算機(jī)蠕蟲、拒絕服務(wù)等網(wǎng)絡(luò)攻擊越來越頻繁,嚴(yán)重影響到人們對網(wǎng)絡(luò)的正常使用。網(wǎng)絡(luò)流量識別技術(shù)作為網(wǎng)絡(luò)安全的基礎(chǔ),對保障網(wǎng)絡(luò)合理運(yùn)行、維護(hù)信息安全具有重要作用。一方面,通過對流量的精準(zhǔn)識別可以減少不必要的網(wǎng)絡(luò)連接,規(guī)避網(wǎng)絡(luò)攻擊風(fēng)險。另一方面,網(wǎng)絡(luò)管理者通過流量識別能夠合理有效地分配網(wǎng)絡(luò)資源,提供更好的網(wǎng)絡(luò)服務(wù)。網(wǎng)絡(luò)流量識別技術(shù)從互聯(lián)網(wǎng)誕生開始,伴隨著人們網(wǎng)絡(luò)安全意識的提高,經(jīng)歷了由簡到繁的發(fā)展過程。為了減少來自防火墻等安全設(shè)備不必要的阻斷,越來越多的網(wǎng)絡(luò)應(yīng)用使用端口復(fù)用技術(shù),導(dǎo)致基于預(yù)定義端口的流量識別方法已經(jīng)基本失效。目前廣泛使用的基于模式匹配的DPI技術(shù),以及基于流統(tǒng)計特征和機(jī)器學(xué)習(xí)算法的DFI技術(shù),均存在手工標(biāo)記大量樣本和提取識別特征的困難。另外,面對當(dāng)前大規(guī)模的網(wǎng)絡(luò)數(shù)據(jù),網(wǎng)絡(luò)流量識別的實時性與準(zhǔn)確性之間難以達(dá)到良好的平衡,采用單一的識別技術(shù)已經(jīng)難以滿足當(dāng)前高速復(fù)雜網(wǎng)絡(luò)的需求。針對上述問題,本文緊緊圍繞基于深度學(xué)習(xí)的流量識別技術(shù)展開研... 

【文章來源】：戰(zhàn)略支援部隊信息工程大學(xué)河南省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究內(nèi)容及創(chuàng)新點(diǎn)
    1.3 論文組織結(jié)構(gòu)
第二章 相關(guān)工作
    2.1 網(wǎng)絡(luò)流量識別
        2.1.1 基于預(yù)定義端口
        2.1.2 深度包檢測
        2.1.3 深度流檢測
        2.1.4 深度學(xué)習(xí)方法
    2.2 手機(jī)流量識別
        2.2.1 用戶行為發(fā)現(xiàn)
        2.2.2 手機(jī)應(yīng)用識別
    2.3 本章小結(jié)
第三章 基于視覺特征的流量圖像轉(zhuǎn)化方法
    3.1 網(wǎng)絡(luò)應(yīng)用流量分析
    3.2 流量圖像轉(zhuǎn)化方法
        3.2.1 有效數(shù)據(jù)提取
        3.2.2 二維圖像轉(zhuǎn)化
    3.3 手機(jī)流量圖像數(shù)據(jù)集
    3.4 本章小結(jié)
第四章 基于變分自編碼網(wǎng)絡(luò)VAEN的半監(jiān)督流量識別方法
    4.1 自動編碼器
    4.2 變分自編碼算法
    4.3 變分自編碼網(wǎng)絡(luò)模型VAEN
        4.3.1 基于多層感知器非線性擬合的無監(jiān)督特征提取
        4.3.2 基于多類型回歸的監(jiān)督分類識別
    4.4 實驗與分析
        4.4.1 網(wǎng)絡(luò)結(jié)構(gòu)的確定
        4.4.2 樣本重建
        4.4.3 隱層特征可視化
        4.4.4 流量識別評價標(biāo)準(zhǔn)
        4.4.5 流量識別結(jié)果
    4.5 本章小結(jié)
第五章 基于二維卷積感知網(wǎng)絡(luò)2D-CPN的流量識別方法
    5.1 卷積自編碼算法
    5.2 二維卷積感知網(wǎng)絡(luò)模型2D-CPN
        5.2.1 卷積特征提取與重構(gòu)
        5.2.2 基于多層感知器的特征映射
        5.2.3 基于預(yù)訓(xùn)練和多類型回歸的模型訓(xùn)練過程
    5.3 實驗與分析
        5.3.1 模型預(yù)訓(xùn)練
        5.3.2 樣本重建
        5.3.3 隱層特征可視化
        5.3.4 流量識別結(jié)果
    5.4 本章小結(jié)
第六章 面向高速網(wǎng)絡(luò)的流量識別原型系統(tǒng)
    6.1 系統(tǒng)整體方案設(shè)計
    6.2 系統(tǒng)模塊設(shè)計與實現(xiàn)
        6.2.1 流負(fù)載均衡模塊
        6.2.2 前端識別模塊
        6.2.3 深度包檢測模塊
        6.2.4 深度學(xué)習(xí)識別模塊
    6.3 系統(tǒng)測試與分析
        6.3.1 實驗環(huán)境
        6.3.2 主機(jī)應(yīng)用流量識別
        6.3.3 手機(jī)應(yīng)用流量識別
        6.3.4 惡意程序流量識別
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 下一步工作
致謝
參考文獻(xiàn)
作者簡歷


【參考文獻(xiàn)】：
期刊論文
[1]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang.  IEEE/CAA Journal of Automatica Sinica. 2016(02)
[2]基于TCP/IP協(xié)議的安全性分析[J]. 郭群.  電子制作. 2012(10)
[3]應(yīng)用層協(xié)議識別算法綜述[J]. 陳亮,龔儉,徐選.  計算機(jī)科學(xué). 2007(07)

博士論文
[1]網(wǎng)絡(luò)流量測量與識別關(guān)鍵技術(shù)研究[D]. 侯穎.解放軍信息工程大學(xué) 2015
[2]網(wǎng)絡(luò)流量分類識別若干技術(shù)研究[D]. 周文剛.電子科技大學(xué) 2014
[3]基于P2P流媒體模型的流量特征分析及實時分類[D]. 萬成威.解放軍信息工程大學(xué) 2012
[4]網(wǎng)絡(luò)流量識別關(guān)鍵技術(shù)研究[D]. 林冠洲.北京郵電大學(xué) 2011
[5]面向業(yè)務(wù)感知的流量監(jiān)控技術(shù)研究[D]. 朱洪亮.北京郵電大學(xué) 2010

碩士論文
[1]基于DPI的流量識別與控制系統(tǒng)的設(shè)計與實現(xiàn)[D]. 吳玉.北京郵電大學(xué) 2015
[2]基于DPI和DFI的應(yīng)用層網(wǎng)絡(luò)流量監(jiān)控系統(tǒng)的研究與實現(xiàn)[D]. 丁瑤.江西理工大學(xué) 2014
[3]基于DPI與DFI的流量識別與控制系統(tǒng)的設(shè)計與實現(xiàn)[D]. 吳倩.電子科技大學(xué) 2013
[4]IP網(wǎng)絡(luò)流量監(jiān)測及用戶行為分析[D]. 李晗.北京郵電大學(xué) 2010
[5]深度包檢測技術(shù)的研究與設(shè)計[D]. 劉胤.貴州大學(xué) 2008



本文編號：2951462