網(wǎng)絡流量分類研究與應用.pdf

1、網(wǎng)絡流量分類技術對于網(wǎng)絡安全管理有著至關重要的作用。由于網(wǎng)絡技術的發(fā)展與進步，傳統(tǒng)網(wǎng)絡流量分類方法如基于端口號查詢和基于有效包載荷檢測技術的分類方法的局限性已經越來越明顯，無法對如今的流量進行分類?；跈C器學習的流統(tǒng)計特征網(wǎng)絡流量方法以其輕量級和靈活性成為了如今網(wǎng)絡流量分類技術研究的方向。在基于機器學習的方法中，監(jiān)督學習分類法和無監(jiān)督學習分類法都存在著由于其自身的局限所帶來的不足，因此，半監(jiān)督方法使用監(jiān)督學習分類法和無監(jiān)督學習法相結合的

2、方式彌補了兩種方法的不足，對網(wǎng)絡流量分類方法的發(fā)展具有很重要的意義。
　　本文提出了一種基于半監(jiān)督的流量分類算法，利用流之間的相關性構建馬爾科夫模型，采用PCA方法提取主要特征成分以降維特征向量，并消除特征之間的相關性，并在分類過程中選取常用的四種相似性計算方法用于聚類，選擇最有效的方法用于分類。然后設計算法對聚類初始中心點進行選取，優(yōu)化了算法無法針對未知流量分類的不足，取得了較好的準確度。最后利用不同初始簇數(shù)k的聚類算法構造集成