本體驅(qū)動的并行網(wǎng)絡(luò)流量分類方法研究.pdf

1、伴隨著高速、大規(guī)模復(fù)雜網(wǎng)絡(luò)的出現(xiàn)，網(wǎng)絡(luò)流量數(shù)據(jù)呈現(xiàn)出多源、異構(gòu)、海量的特點(diǎn)，致使網(wǎng)絡(luò)流量分類面臨巨大的挑戰(zhàn)。目前存在的主要問題歸結(jié)為：多個(gè)數(shù)據(jù)源提供的網(wǎng)絡(luò)流量數(shù)據(jù)之間可能會存在數(shù)據(jù)不一致性問題，從而影響網(wǎng)絡(luò)流量分類結(jié)果的準(zhǔn)確性；面向海量網(wǎng)絡(luò)流量數(shù)據(jù)的處理將會遇到單一節(jié)點(diǎn)的計(jì)算能力瓶頸，存在數(shù)據(jù)處理效率低下的問題。結(jié)合本體與云計(jì)算各自在海量異構(gòu)數(shù)據(jù)描述與處理方面的互補(bǔ)優(yōu)勢，將其引入網(wǎng)絡(luò)流量分類領(lǐng)域，研究本體驅(qū)動的并行網(wǎng)絡(luò)流量分類方法。論文

2、的主要?jiǎng)?chuàng)新工作有：
　　針對傳統(tǒng)網(wǎng)絡(luò)流量分類模型難以勝任大規(guī)模復(fù)雜網(wǎng)絡(luò)環(huán)境下流量分類任務(wù)的問題，根據(jù)當(dāng)前網(wǎng)絡(luò)流量數(shù)據(jù)所呈現(xiàn)的新特點(diǎn)，提出一種本體驅(qū)動的網(wǎng)絡(luò)流量并行分類模型。該模型劃分為網(wǎng)絡(luò)流量數(shù)據(jù)源層、網(wǎng)絡(luò)流量本體構(gòu)建層、網(wǎng)絡(luò)流量分類層和應(yīng)用服務(wù)層，將流量分類任務(wù)從數(shù)據(jù)采集、數(shù)據(jù)描述到數(shù)據(jù)分類按模塊分層執(zhí)行。并基于該模型設(shè)計(jì)原型系統(tǒng)，該系統(tǒng)能夠較好地適應(yīng)大規(guī)模網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)流量分類需求。
　　為了解決網(wǎng)絡(luò)流量數(shù)據(jù)并行集成及

3、消除數(shù)據(jù)集成中語義異構(gòu)問題，提出一種基于MapReduce的網(wǎng)絡(luò)流量本體構(gòu)建方法。該方法利用本體在知識描述方面的優(yōu)勢，抽象出網(wǎng)絡(luò)流量的概念模型，對網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行有機(jī)、分層、語義化描述，構(gòu)建網(wǎng)絡(luò)流量本體，并結(jié)合MapReduce并行處理架構(gòu)將本體構(gòu)建方法并行化。實(shí)驗(yàn)結(jié)果表明，集群環(huán)境下并行網(wǎng)絡(luò)流量本體構(gòu)建效率明顯高于單機(jī)環(huán)境，而且適當(dāng)增加計(jì)算節(jié)點(diǎn)可以使得加速比線性提升，這些優(yōu)勢隨著流量數(shù)據(jù)規(guī)模的增大呈顯著趨勢。
　　為了提高大規(guī)模

4、復(fù)雜網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)流量分類性能，依據(jù)本體具備知識推理功能的特性，提出一種基于本體的并行網(wǎng)絡(luò)流量分類方法。該方法針對本體描述的網(wǎng)絡(luò)流量實(shí)例，借助決策樹算法建立分類模型，轉(zhuǎn)化生成推理規(guī)則集，最后通過并行化的知識推理引擎實(shí)現(xiàn)網(wǎng)絡(luò)流量分類。實(shí)驗(yàn)結(jié)果表明，與SVM、BayesNet、BP神經(jīng)網(wǎng)絡(luò)分類方法相比，該方法采用的C4.5方法建立分類模型所需的訓(xùn)練時(shí)間明顯低于其他方法，而且在識別準(zhǔn)確率、泛化能力及穩(wěn)定性方面表現(xiàn)最優(yōu)，此外，該方法的并行分類