基于协议隐马尔可夫模型的网络流量识别技术分析-analysis of network traffic identification technology based on protocol hidden markov model.docxVIP

下载本文档

9
0
约6.34万字
约 84页
2018-05-20 发布于上海
举报
版权申诉

基于协议隐马尔可夫模型的网络流量识别技术分析-analysis of network traffic identification technology based on protocol hidden markov model.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于协议隐马尔可夫模型的网络流量识别技术分析-analysis of network traffic identification technology based on protocol hidden markov model

摘要网络应用的飞速发展增加了网络服务质量的重要性，作为网络管理的基础，网络流量识别技术持续发展，最新的基于协议隐马尔可夫模型的识别技术综合考虑了网络流的时序特征和统计特征，有很好的识别准确率，但是已有研究是人工构建协议隐马尔可夫模型的，这无法满足实际应用的需求。因此，本文提出一种自动构建协议隐马尔可夫模型的方法，通过实验验证了自动建模方法的正确性，并在校园网中基于自动构建的协议隐马尔可夫模型进行了流量识别的应用，结果进一步论证了本文自动建模方法的理论意义和应用价值。本文从原理、算法和应用三方面主要做了如下工作：1．提出自动构建网络协议隐马尔可夫模型的方法，并对方法的正确性进行了实验验证。通过研究网络流的时序特征和统计特征，提出自动建模的方法：用基于密度的聚类算法对网络流数据包进行聚类分析，来获取与协议隐马尔可夫模型初始结构相对应的有穷状态机，以体现网络流的时序特征，并抽象出数据包的特征向量，用有穷状态机中“状态”间的转移概率和“状态”下特征向量的条件分布表征网络流的统计特征；然后通过有穷状态机的先验指导对模型参数进行训练，从而获得完整的协议隐马尔可夫模型。同时选取六种典型的网络应用进行实验，将自动构建的协议隐马尔可夫模型和人工构建的模型进行对比，初步证明了本文自动建模方法的正确性。2．改进了基于密度的DBSCAN聚类算法，并通过实验验证了算法的性能。本文通过分析DBSCAN算法的聚类原理，从减少区域查询次数和查询时间方面对算法进行了改进，并将其用于自动建模过程中的聚类分析；实验证明改进的算法比原算法有更高的聚类效率。3．在校园网环境中对自动建模的方法进行了流量识别的应用。基于自动构建的协议隐马尔可夫模型进行了网络流量分类的应用测试，通过与基于人工构建的协议隐马尔可夫模型和Weka平台上三种典型流量识别方法（朴素贝叶斯方法、神经网络方法和支持向量机方法）的分类结果进行对比，进一步验证了本文提出的自动建模方法的应用价值。关键词：流量识别，隐马尔可夫模型，自动建模，有穷状态机，DBSCAN算法ABSTRACTTherapiddevelopmentofnetworkapplicationshasincreasedtheimportanceoftheQoS.Asthefoundationofthenetworktrafficmanagement,thetrafficidentificationtechnologyhasbeendeveloping.UntilrecentlytheHMM-basedtrafficidentificationmethodhasbeenproposed.Itconsideredboththetimingandthestatisticalpropertiesofnetworkflow,andcouldidentifyunknownnetworkflowswell.Butintheexistingresearch,theHMMofnetworkprotocolswasbuiltartificially,anditcouldnotmeettheneedsofpracticalapplications.ThereforeamethodtobuildtheHMMautomaticallywasproposedinthisthesis.Thecorrectnessofthemethodwasverifiedbyexperiments,andthetheoreticalsignificanceandapplicationvaluewasfurtherprovedbyusingtheHMMbuiltautomaticallytoidentifytrafficincampus.Themaincontentsareasfollows:1．AmethodtobuildtheHMMofnetworkprotocolsautomaticallywasproposed,anditsaccuracywasprovedbyanexperiment.Bystudyingboththetimingandstatisticalcharacteristicsofnetworkflows,themethodtobuildtheHMMautomaticallywasputforward:ToobtaintheFSMofnetworkprotocolswhichreflectedthetimingcharacteristics,networkpackageswereclusteredbyusingdensity-basedclusteringalgorithm;Thefeaturevectorwasextracted,anditsconditionald