为了在应用程式的通讯开始时进行网路应用流量的辨识,基於.pdfVIP

摘要 為了在應用程式的通訊開始時進行網路應用流量的辨識，基於本實驗室碩士生翟 敬源在 2012 年度提出的論文研究 「基於網路應用程式通訊回合特徵之網路應用 程式流量早期分類法 」，此論文提出以機器學習為基礎的高準確率演算法「應用 層回合制」方法， 對於每條TCP/UDP的通訊流， 定義了可提供高準確率與適用 於流量即時辨識的統計屬性，不過此研究在線上流量辨識率只達到60% 。本論文 主要貢獻在於改善此研究在線上流量的辨識率與效能。將演算法「應用層回合制」 加入了狀態機的概念提升流量辨識率，並加入預流量過濾器提升系統效能 。本論 文以應用層的角度，針對每條通訊流於應用層通訊開始的協商過程，增加 了可取 得協商回合特徵的統計屬性 ，以分類流量。本方法使用C4.5修剪決策樹演算法， 針對此演算法，本論文也提出維度增量提升此演算法在做流量分類上的準確度， 對校園線上流量的辨識度最多可達到 91.2%的準確度， 以及平均 87.55%的準確 率。相較未使用本論文的方法，本論文提出的方法對於以原始 線上流量資料較之 前的研究高 27%到 30%的準確率。本論文提出的方法可在短時間內完成流量測 試， 本論文提出方法的優點是可適用於分類加密流量、具高準確率，並可用於即