J网络流量分类器的设计及实现.docVIP

网络流量分类器的设计及实现 摘 要 随着Internet迅猛发展，网络规模日趋庞大。作为信息社会的一个重要基础，互联网正在深刻影响越来越多的用户的学习工作生活，成为他们学习工作生活的重要组成部分。另一方面，互联网也在其飞速发展的过程中，向人们提出了一系列的挑战。其中，一个关键的问题在于如何管理、优化网络, 而管理好网络资源的先决条件就是要对网络上的流量有所了解和认识。识别网络流量，将不同的网络流量分类出来，将对网络的Qos管理、趋势分析以及安全检测都有着非常重要的关系。 网络上新的服务开始层出不穷，在很多新的网络服务中（如，P2P，文件共享，在线游戏等）端口的不确定性以及其它方面的原因使得基于端口和协议的传统方法已不能进行正确的网络流量的分类和统计。论文从网络流量中计算各种有效载荷的独立特征,如:包的长度(packet length)，持续时间(duration)等，建立一种贝叶斯分类器将网络流量在网络的应用层按其协议分类为不同的应用类型，如DNS、SSH、WEB等。实验结果表明利用贝叶斯分类器进行网络流量分类是可行且有效的一种方法。 关键词：网络流量，流量特征，朴素贝叶斯分类器 目 录 第1章 绪论 1 1.1网络流量分类背景 1 1.2 网络流量分类的研究现状 2 1.3 开发的关键技术 2 1.3.1后台开发工具Java语言简介 2 1.3.2数据库工具SQL SERVER简介 4 1.4 论文的结构安排 5 1.5 小结 5 第2章 网络流量数据分析工具及相关算法 6 2.1 WildPackets OmniPeek的具体介绍 6 2.1.1使用WildPackets OmniPeek抓包的方法 7 2.2 netmate分析计算特征 7 2.3 贝叶斯学习 8 2.3.1贝叶斯简介 8 2.3.2贝叶斯法则 9 2.3.3 朴素贝叶斯分类器 10 2.4 小结 12 第3章 系统总体设计 13 3.1 系统总体分析 13 3.2 系统逻辑结构分析 13 3.3 系统模块设计 14 3.3.1样本数据库提取模块 14 3.3.2特征属性学习模块 16 3.3.3新实例分析模块 16 3.3.4信息显示模块 17 3.4 小结 18 第4章 系统实现 19 4.1 系统总体框架 19 4.2 系统模块的实现 20 4.2.1样本数据库提取模块的实现 20 4.2.2特征属性学习模块及新实例分析模块 21 4.2.3信息显示模块 25 4.3 小结 29 结 论 30 致 谢 31 参考文献 32 附 录 34 图4.1 网络流量分类器运行界面图 图4.2 分类器下拉框图 图4.3 无实例数据的分类器效果图 结果如图4.4所示： 图4.4 分类器的样本表显示图 图4.5 分类器的测试表图 图4.6 分类器的实例数据分析结果图 Powered by 计算机毕业论文网