發(fā)布時(shí)間：2021-06-12 00:04

　　互聯(lián)網(wǎng)承載著越來越多的業(yè)務(wù)應(yīng)用,其巨大信息流成為社會(huì)發(fā)展的強(qiáng)勁動(dòng)力,但是也給互聯(lián)網(wǎng)管理和安全帶來多項(xiàng)挑戰(zhàn),主要表現(xiàn)為帶寬資源不好管、網(wǎng)絡(luò)安全不易控、網(wǎng)絡(luò)計(jì)費(fèi)不公平等。目前互聯(lián)網(wǎng)管控方式從基于帶寬和流量的粗曠式方法發(fā)展到基于網(wǎng)絡(luò)應(yīng)用類型的精細(xì)化方法。為此,互聯(lián)網(wǎng)流量識(shí)別與分類成為網(wǎng)絡(luò)研究的一個(gè)重要方向,其主要功能是從大量流量中識(shí)別出特定應(yīng)用的IP報(bào)文,例如WWW、P2P（Peer-to-Peer）、異常攻擊等,從而為多項(xiàng)網(wǎng)絡(luò)管理活動(dòng)提供決策支持,例如管制P2P流量、保障交互型應(yīng)用的服務(wù)質(zhì)量和攔截異常流量等�；ヂ�(lián)網(wǎng)流量分類技術(shù)隨著網(wǎng)絡(luò)應(yīng)用技術(shù)的發(fā)展而不斷演進(jìn)�；诙丝谔�(hào)映射和載荷特征字段匹配的傳統(tǒng)流量分類方法非常成熟,已廣泛應(yīng)用于實(shí)際系統(tǒng)中。但是,因動(dòng)態(tài)端口號(hào)、端口偽裝技術(shù)和載荷加密技術(shù)等的廣泛應(yīng)用,這些傳統(tǒng)流量分類方法逐漸失效�；跈C(jī)器學(xué)習(xí)的流量分類方法富有應(yīng)用前景,吸引了大量研究。但是,此類方法仍然面臨多項(xiàng)挑戰(zhàn),包括類不平衡、概念漂移等,導(dǎo)致小類（例如交互型應(yīng)用）的分類性能難以得到保障。為此,論文提出一種面向類不平衡和概念漂移的互聯(lián)網(wǎng)流量分類框架,其包括了應(yīng)對(duì)類不平衡和概念漂移問題的子... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：144 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 互聯(lián)網(wǎng)流量分類面臨的挑戰(zhàn)
    1.3 面向類不平衡和概念漂移的流量分類系統(tǒng)框架
        1.3.1 基準(zhǔn)數(shù)據(jù)集構(gòu)建模塊
        1.3.2 異常流量識(shí)別模塊
        1.3.3 分類器訓(xùn)練模塊
        1.3.4 在線流量分類模塊
    1.4 研究目標(biāo)和主要貢獻(xiàn)
    1.5 論文組織結(jié)構(gòu)
第二章 互聯(lián)網(wǎng)流量分類技術(shù)的研究現(xiàn)狀
    2.1 互聯(lián)網(wǎng)測(cè)量技術(shù)
    2.2 互聯(lián)網(wǎng)流量分類研究現(xiàn)狀
        2.2.1 基于端口號(hào)的流量分類方法
        2.2.2 基于報(bào)文載荷的流量分類方法
        2.2.3 基于主機(jī)通信行為的流量分類方法
        2.2.4 基于機(jī)器學(xué)習(xí)的流量分類方法
    2.3 互聯(lián)網(wǎng)流量分類若干關(guān)鍵問題研究
        2.3.1 類不平衡的相關(guān)工作
        2.3.2 概念漂移的相關(guān)工作
        2.3.3 異常流量識(shí)別相關(guān)工作
    2.4 互聯(lián)網(wǎng)流量分類研究組織
        2.4.1 國(guó)外研究組織
        2.4.2 國(guó)內(nèi)研究組織
    2.5 本章小結(jié)
第三章 互聯(lián)網(wǎng)流量的微調(diào)重采樣方法
    3.1 引言
    3.2 互聯(lián)網(wǎng)流量數(shù)據(jù)的類不平衡性
        3.2.1 互聯(lián)網(wǎng)流量數(shù)據(jù)集
        3.2.2 流量數(shù)據(jù)不平衡性
    3.3 微調(diào)重采樣方法
    3.4 互聯(lián)網(wǎng)流量分類實(shí)驗(yàn)結(jié)果分析
        3.4.1 分類性能評(píng)估指標(biāo)
        3.4.2 實(shí)驗(yàn)設(shè)計(jì)
        3.4.3 基本流量分類性能
        3.4.4 流量分類穩(wěn)定性
    3.5 本章小結(jié)
第四章 基于數(shù)據(jù)清理的流量分類方法
    4.1 引言
    4.2 相關(guān)工作
    4.3 實(shí)驗(yàn)數(shù)據(jù)集與分類性能評(píng)估指標(biāo)
        4.3.1 互聯(lián)網(wǎng)流量數(shù)據(jù)集
        4.3.2 流量分類性能評(píng)估指標(biāo)
    4.4 基于數(shù)據(jù)清理的流量分類方法
        4.4.1 K近鄰算法
        4.4.2 低字節(jié)分類準(zhǔn)確率的討論
        4.4.3 IENN方法
    4.5 實(shí)驗(yàn)結(jié)果分析
        4.5.1 實(shí)驗(yàn)設(shè)計(jì)
        4.5.2 基本流量分類性能比較
        4.5.3 在線流量分類場(chǎng)景的分類性能比較
        4.5.4 參數(shù)討論
    4.6 本章小結(jié)
第五章 基于單類概念漂移探測(cè)的流量分類框架
    5.1 引言
    5.2 互聯(lián)網(wǎng)流量數(shù)據(jù)集及其概念漂移情況
        5.2.1 互聯(lián)網(wǎng)流量數(shù)據(jù)
        5.2.2 流量數(shù)據(jù)集上的概念漂移
    5.3 基于PCDD的互聯(lián)網(wǎng)流量分類框架
        5.3.1 概念漂移探測(cè)方法
        5.3.2 樣本緩存控制
        5.3.3 分類器模型
        5.3.4 基于PCDD的流量分類框架
    5.4 互聯(lián)網(wǎng)流量分類實(shí)驗(yàn)結(jié)果
        5.4.1 流量分類性能評(píng)價(jià)指標(biāo)
        5.4.2 概念漂移探測(cè)性能比較
        5.4.3 分類模型更新次數(shù)與訓(xùn)練集規(guī)模
    5.5 本章小結(jié)
第六章 基于信息熵的異常流量識(shí)別方法
    6.1 引言
    6.2 基于信息熵的異常流量識(shí)別方法
        6.2.1 互聯(lián)網(wǎng)流量數(shù)據(jù)
        6.2.2 互聯(lián)網(wǎng)流量來源分布分析
        6.2.3 信息熵與相對(duì)不確定性
        6.2.4 異常流量識(shí)別方法框架
        6.2.5 不活躍IP識(shí)別算法
        6.2.6 異常流量識(shí)別算法
    6.3 IPV4 基準(zhǔn)數(shù)據(jù)集上的性能評(píng)估
        6.3.1 基準(zhǔn)數(shù)據(jù)集建立
        6.3.2 基準(zhǔn)數(shù)據(jù)上的不活躍IP分布
        6.3.3 性能評(píng)估指標(biāo)
        6.3.4 異常流量識(shí)別方法的參數(shù)與性能分析
        6.3.5 假設(shè)檢驗(yàn)分析
    6.4 NETFLOW數(shù)據(jù)上的實(shí)驗(yàn)分析
        6.4.1 NetFlow流量數(shù)據(jù)
        6.4.2 不活躍IP及惡意源IP分析
        6.4.3 異常流量驗(yàn)證分析
    6.5 IPV6 數(shù)據(jù)集上的性能分析
    6.6 本章小結(jié)
總結(jié)與展望
    工作總結(jié)
    研究展望
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的研究成果
致謝
附件



本文編號(hào)：3225533