网络流量分类研究PPT课件VIP

网络流量分类研究，主讲人：黄立华导师：王宗敏导师：陈刚，当前流量分类的研究背景、意义和基本概念；当前交通分类进展几种分类方法的比较：交通分类未来发展预测；主要内容：自P2P网络出现以来，网络流量一直在增加；网络流量管理技术可以帮助网络运营商提供更好的服务质量，也可以有效地监督和管理网络。研究背景，通过流量分类，可以了解各种网络应用的比例，研究新的协议和应用，预测网络服务的发展趋势，合理规划网络；定期分析重要的特定流量，了解流入和流出信息，查找设备故障、链路拥塞、用户带宽使用、入侵和恶意攻击等。Niksun的NetDetector提供实时、连续的流量记录和分析；这需要很长时间，项目规模复杂，成本极高。福禄克的网络协议分析器OPV_WGA提供从第1层到第7层的网络的全面分析。传统的基于端口的协议；华为3Com公司的NTA(网络流量加拿大)可以根据三层协议号和端口号识别数千个应用。无法分析从4楼到7楼的应用流量；思科的系统工程师使用DPI来识别应用层协议。只能识别已知的非加密协议；现有的网络流量分类产品，a)位级：关注网络流量的数据特征b)包级：关注数据包的特征及其到达过程、延迟和丢包率c)流级：根据地址和应用协议进行划分，关注到达过程、到达间隔和流的局部特征等。d)流级：注意主机对之间的应用程序流量、不同级别的流量分析(粒度)、流量分类指标、TP(真阳性)，它们属于x类，并以x类的百分比正确预测；FN(假阴性)，属于第十类，但预计不是第十类的百分比；假阳性，不属于第十类但预计属于第十类的百分比；准确度：tptntpfnfptnrecall : tptptpfnprecision : tptptptpfp，依赖于TCP或UDP数据包中的端口号来映射已知的端口号以识别不同的应用程序类型。分类器只需要在TCP连接中找到一次同步数据包，然后从这个同步数据包中找到目的端口号。UDP使用类似的方法。根据流量的端口号分类，根据网络应用在传输过程中的特点来区分不同的应用，需要分析数据包字段的特点。它主要用于识别P2P协议流量。基于特征字段的流量分类、基于传输层主机行为的流量分类以及传输层主机行为模式的分析具有三个主要特征：不需要访问数据包的有效载荷内容；无需识别端口号；只需要收集当前的流量信息。主要分析了三个层面的内容：社会层面：分析主持人之间的交流；功能层：研究主机在网络中的功能，即它是提供者还是请求者，或者两者都是；应用层：捕捉特定主机之间的交互，并通过观察流的特征使用四元组来细化分类。根据标记样本的特征，构造分类规则或分类器，将未知类别的样本映射到给定类别之一。其输入是已分类的样本实体的集合，其输出是由这些样本生成的分类模型。它主要包括两个过程：培训过程和分类过程。目前，分类模型的构建方法主要有决策树、朴素贝叶斯、支持向量机、关联规则学习、神经网络、神经网络算法、线性判别分析算法和遗传算法。基于机器学习的交通分类-聚类，无监督学习，这是最后寻找相似数据点的组合。与有监督机器学习相比，无监督学习不需要先验知识几种分类方法的比较可以总结如下：逐步避免依赖端口号；不需要检测用户数据包的加载内容；可以快速获得新应用的识别特征。在高速主干网络环境中，流量被实时准确地分类。加密流量的分类，以避免涉及用户隐私的问题；在更细粒度的级别上对网络流量进行分类；协议动态变化时的流量分类。交通分类未来发展预测，下一步的工作，通过对几种算法在机器学习实验中的性能比较，找到一种具有较高效率和准确率的交通分类算法，参考文献，1熊刚，孟郊，曹子刚，王勇，李国，方滨兴。【】网络流量分类的研究进展与展望。集成技术，20122彭云，刘琼。互联网流分类方法的比较研究。计算机科学，2007 3图依特。阮，格伦维尔阿米蒂奇。asureyoftechniquesfornettrafficcalicationusingmachineLearning。在电气和电子工程学院。2008.4SenS，SpatscheckO，WangD。准确、可扩展的网络流量识别2应用程序签名C/2004年。纽约(美国)，2004年。5帕帕吉安纳基穆尔埃亚。面向两个应用程序的精确识别C/proceedingsofcassiveandactivemeasurementsworkshop(PAM 2005)。波士顿(美国)，2005年。6卡拉扬尼斯特，帕帕扬纳基克，法奥特斯。blinc : MullevelTrafficassimilationHedark。在ACM。2005年10月1日。7徐鹏。林森.基于C4.5决策树的交通分类算法J.软件杂志，2