基于PDS的網(wǎng)絡(luò)流量基準(zhǔn)信息獲取方法的研究.pdf

1、計算機(jī)網(wǎng)絡(luò)的普及，使得針對互聯(lián)網(wǎng)衍生的應(yīng)用程序越來越多。同時隨著電子商務(wù)與P2P(Peer-to-Peer)網(wǎng)絡(luò)的出現(xiàn)，使網(wǎng)絡(luò)用戶對網(wǎng)絡(luò)的安全性以及帶寬需求提出了更高的要求。自20世紀(jì)90年代以來，對于高效精確的網(wǎng)絡(luò)流量識別方法的研究不斷增多。然而隨著采用的數(shù)據(jù)集、分類方法以及對于分類方法的驗證都不相同，因此很難權(quán)衡不同分類方法的優(yōu)劣?；鶞?zhǔn)數(shù)據(jù)集的存在可以有效解決上述問題。目前對于基準(zhǔn)的獲取方法主要采用基于端口識別或深層包檢測技術(shù)，但上

2、述方法在面對加密流量或新型應(yīng)用時無法對流量有效識別。因此基于上述研究點，本文提出一套基于PDS(端口匹配：PORTmatching，深層包檢測：DPI，半監(jiān)督學(xué)習(xí)：Semi-supervisedlearning的縮寫)的網(wǎng)絡(luò)流量分類過程，并將該過程應(yīng)用到基準(zhǔn)數(shù)據(jù)集的構(gòu)建，最后提出相應(yīng)的驗證方案對基準(zhǔn)數(shù)據(jù)的準(zhǔn)確率進(jìn)行調(diào)整。實驗結(jié)果表明，在僅基于端口識別(端口號小于1024)以及深層包檢測，可以得到70.6％的流識別率以及76.6％的字節(jié)識