基于子圖模式的流量分類方法研究.pdf

1、對網(wǎng)絡(luò)流量按照應(yīng)用進(jìn)行分類是一項(xiàng)重要任務(wù)，可以使用分類結(jié)果來規(guī)劃和設(shè)計(jì)高效的網(wǎng)絡(luò)，并預(yù)測應(yīng)用的發(fā)展趨勢。然而，基于端口號的流量分類方法由于多種新型應(yīng)用的出現(xiàn)，其準(zhǔn)確度大不如從前；基于數(shù)據(jù)包負(fù)載分析的方法盡管準(zhǔn)確度很高，但其復(fù)雜度過大且涉及用戶隱私；基于機(jī)器學(xué)習(xí)的方法種類繁多，不易選擇且復(fù)雜度較大；基于傳輸層特征的方法一般通過大量的參數(shù)在流級上進(jìn)行分類，并未站在主機(jī)交互的角度分析流量，從而忽略了有一些有用信息。
　　Thomas K

2、aragiannis在ACM SIGCOMM上提出的BLINC（Blind Classification，盲分類）方法利用不同的網(wǎng)絡(luò)應(yīng)用在傳輸層子圖連接模式的差異來劃分網(wǎng)絡(luò)流量，得到了較好的分類效果。該方法和其他方法相比最主要的特點(diǎn)是不使用數(shù)據(jù)包的負(fù)載內(nèi)容，通過分析主機(jī)之間的交互來揭示應(yīng)用的本質(zhì)特征，具有良好的可擴(kuò)展性。通過調(diào)節(jié)一系列閾值參數(shù)，該方法能對80％-90%的流量作出分類，且準(zhǔn)確度高達(dá)95%以上。但是，BLINC方法只是簡單地

3、羅列了其中一部分子圖模式，并沒有給出每個(gè)模式的具體分析構(gòu)造過程，也沒有給出具體的算法流程。此外，BLINC方法使用的子圖都是以源節(jié)點(diǎn)為核心的，分類的準(zhǔn)確度很高但完整度較低。本文針對以上問題，做出的工作主要如下：
　　第一，對Attack、Web、Spam-Filter、Game、NM（Network Management，網(wǎng)絡(luò)管理）、Chat、Mail、Streaming、FTP、DNS、P2P這十一種應(yīng)用的主機(jī)交互行為一個(gè)一個(gè)地

4、進(jìn)行了詳細(xì)分析，給出了它們以源節(jié)點(diǎn)為核心的子圖模式和各自的特點(diǎn)，并且對一些較相似的子圖模式作了啟發(fā)式區(qū)別分析。以BLINC方法為基礎(chǔ)，提出了使用以源節(jié)點(diǎn)為核心的子圖模式進(jìn)行匹配的分類算法，并利用該算法對大型網(wǎng)絡(luò)中四種傳統(tǒng)應(yīng)用 Web、DNS、Mail、FTP和一種新型應(yīng)用 P2P分別進(jìn)行分類性能驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，分類的準(zhǔn)確度很高但完整度較低。
　　第二，針對以源節(jié)點(diǎn)為核心的子圖方法對大型網(wǎng)絡(luò)的分類完整度較低這一問題，本文通過理論

5、分析，提出可以把以目的節(jié)點(diǎn)為核心的子圖模式和端口分析二者補(bǔ)充應(yīng)用于原始的分類算法。同樣地，通過對上述十一種應(yīng)用的工作原理分析，最終總結(jié)出了它們各自對應(yīng)的以目的節(jié)點(diǎn)為核心的子圖模式和特點(diǎn)。
　　第三，提出了把以源節(jié)點(diǎn)為核心的子圖模式、以目的節(jié)點(diǎn)為核心的子圖模式和端口分析三者結(jié)合起來的分類算法，并使用該算法在同樣的閾值條件下對同一組Web、DNS、Mail、FTP、P2P流量數(shù)據(jù)進(jìn)行分類并驗(yàn)證性能，實(shí)驗(yàn)結(jié)果表明，后者相較前者而言在準(zhǔn)確