基于數(shù)據(jù)流挖掘技術(shù)的流量識(shí)別.pdf

1、互聯(lián)網(wǎng)新型應(yīng)用的不斷涌現(xiàn)，使得互聯(lián)網(wǎng)的擁塞狀況日益加劇。為了監(jiān)測(cè)網(wǎng)絡(luò)是否安全、高效、穩(wěn)定地運(yùn)行，確保各單位機(jī)構(gòu)局域網(wǎng)中有足夠的帶寬，使得對(duì)網(wǎng)絡(luò)流量進(jìn)行準(zhǔn)確的識(shí)別變得極為重要。本文的具體工作主要包括以下幾個(gè)方面：
　　 (1)本文分析了當(dāng)前流量識(shí)別的主要方法的特點(diǎn)。對(duì)網(wǎng)絡(luò)流量識(shí)別的知識(shí)背景如現(xiàn)有的分類模型、網(wǎng)絡(luò)數(shù)據(jù)捕獲、特征抽取做了簡(jiǎn)單的介紹，對(duì)基于機(jī)器學(xué)習(xí)的流量識(shí)別算法如樸素貝葉斯分類、C4.5決策樹(shù)、K均值、DBSCAN算法的

2、不足和缺陷做了分析。
　　 (2)本文設(shè)計(jì)了一種基于CVFDT決策樹(shù)的流量識(shí)別方法。CVFDT決策樹(shù)是一種數(shù)據(jù)流分類算法，相比原有的C4.5和樸素貝葉斯分類方法，CVFDT決策樹(shù)結(jié)點(diǎn)是增量創(chuàng)建的，且隨著更多訓(xùn)練數(shù)據(jù)流入變得更加準(zhǔn)確。此外原有的分類模型一旦建立，就不能動(dòng)態(tài)更新，而該算法能處理概念漂移，適應(yīng)于不斷變化中的網(wǎng)絡(luò)環(huán)境，能動(dòng)態(tài)更新模型，具有較好的可擴(kuò)展性，適應(yīng)于在線識(shí)別。
　　 (3)本文設(shè)計(jì)了一種基于STRKM算