论文部分内容阅读
随着Internet的高速发展,互联网业务从以单纯的数据业务为主逐步发展为语音、视频、数据等业务,涵盖了搜索、即时通信、网购、金融、游戏等领域。互联网极大地方便和丰富了人们的生活、学习、工作,同时也为网络运营商带来了极大的挑战。当前互联网在业务的QoS支持上,需要解决两个关键技术是：(1)如何识别不同的业务类型；(2)如何针对不同的业务类型,进行不同的控制。这两个关键技术可归纳为流量识别和流量的路由控制。本文围绕着流量识别和流量的路由控制这两个关键技术,进行深入的研究。本文在研究过程中主要做了如下工作：(1)研究和比较当前常用的流量识别技术,包括基于端口的流量识别技术、基于深度包检测的流量识别技术、基于行为模式的流量识别技术和基于机器学习的流量识别技术,其中对性能最优的基于有监督机器学习的流量识别技术进行了更进一步的研究和分析；(2)基于SVM算法和Adaboost算法提出了一个实时流量识别算法；(3)基于TCP/IP协议栈,设计数据平面和控制平面相分离的路由架构；(4)结合本文提出的实时流量识别算法和路由架构,实现具有流量识别功能的路由控制系统,并完成系统的测试。本文在提出基于SVM和Adaboost的实时流量识别算法时,进行了实验对比。实验结果表明,这种方法在实时流量识别方面的准确率比原始的SVM算法和基于决策树的Adaboost算法都高,具有可行性。结合这个实时流量识别算法和所设计的路由架构,本文实现了路由控制系统,并搭建了测试环境完成了场景测试,证明了系统的可行性。