基于流聚类的网络业务识别关键技术研究的中期报告.docxVIP

基于流聚类的网络业务识别关键技术研究的中期报告 前言 网络业务的识别是网络流量管理、服务质量保障和网络安全等关键技术之一，目前已经被广泛研究。传统的网络业务识别方法主要基于传统的指纹技术或模式识别技术，存在无法应对新型协议、无法处理加密流量等问题。本文提出了一种基于流聚类的网络业务识别方法，通过对网络流量进行流聚类，提取代表性的统计特征，进行网络业务识别。 本文的中期报告主要介绍已完成的工作，包括流聚类算法设计、网络业务识别算法设计以及实验测试环境的搭建。未来的工作将主要集中在算法性能与实际应用效果的测试上。 一、流聚类算法设计 本文提出的流聚类算法主要分为三个步骤： 1. 流量划分 首先对网络数据包进行分组，将同一个会话的数据包划分到同一个组中。此处可以使用端口号、IP地址等信息进行划分。 2. 流聚类 将同一个组中的数据包进行聚类，划分为若干个子集，并计算每个子集的中心点。此处采用k-means聚类算法，以数据包的特征向量作为聚类依据。 3. 特征提取 对聚类结果进行统计，提取代表性的统计特征。本文提取了六类特征，包括数据包大小、时间间隔、数据包出现比例等。 二、网络业务识别算法设计 在进行网络业务识别时，将根据流聚类算法得到的统计特征进行分类。本文采用支持向量机分类算法进行分类。对于每个网络业务，训练一个SVM分类器，通过交叉验证选取最佳参数。 三、实验测试环境的搭建 本文的