论文部分内容阅读
网络流量分类是指如何识别网络流(flow)的应用或应用类型的研究课题。通过识别网络流的应用类型，可进一步研究不同应用的流量特性，实现有针对性的网络资源优化配置。传统上基于端口号和深度包检测(DPI)的分类识别方法因无法克服端口号随机使用、数据包加密、隐私保护等问题，其使用过程受到极大限制。机器学习方法使用容易获得的数据包统计信息，不依赖于探测数据包的内容，显示了良好的应用前景。 目前机器学习方法在流量分类的应用中存在特征选择时间过长、难以适应概念漂移的发生及少数应用类型的识别准确率低等问题。针对上述问题，本文展开如下研究工作: (1)采用公开的流量数据集对当前流行的机器学习算法进行了分析与比较，全面深入的理解、评估了目前的研究现状。发现特征选择效率低下，难以处理类不平衡和概念漂移等实际应用问题，为进一步的研究明确了研究方向。 (2)针对大规模流量数据特征选择过程中的效率问题，从数据的角度提出分治与投票策略，将大规模数据集的特征选择过程分解为小规模数据集的并行提取过程。该策略在降低特征选择时间的同时，可进一步提高特征子集的稳定性及分类器的准确率。 (3)针对网络流量中存在的概念漂移导致分类器性能下降的问题，提出基于加权K-L距离的概念漂移检测方法，并在此基础上进一步设计了能适应概念漂移的重训练学习框架。实验表明，该方法可提高概念漂移环境下的流量分类准确率。 (4)针对网络流量中存在的类不平衡现象而导致的少数类识别率下降的问题，提出多特征空间的分类器级联组合方法，以减弱多数类对少数类的干扰影响。实验表明，该方法可有效提高重要的少数类在流量分类识别过程中的准确率。 本文针对上述几个关键问题的研究取得了初步的研究成果。在今后的工作中，将会在分类实时性、流量信息压缩、概念漂移模拟等方面做进一步深入的研究。