發(fā)布時間：2024-06-13 20:38

　　網(wǎng)絡(luò)應(yīng)用的飛速發(fā)展增加了網(wǎng)絡(luò)服務(wù)質(zhì)量的重要性，作為網(wǎng)絡(luò)管理的基礎(chǔ)，網(wǎng)絡(luò)流量識別技術(shù)持續(xù)發(fā)展，最新的基于協(xié)議隱馬爾可夫模型的識別技術(shù)綜合考慮了網(wǎng)絡(luò)流的時序特征和統(tǒng)計特征，有很好的識別準(zhǔn)確率，但是已有研究是人工構(gòu)建協(xié)議隱馬爾可夫模型的，這無法滿足實際應(yīng)用的需求。因此，本文提出一種自動構(gòu)建協(xié)議隱馬爾可夫模型的方法，通過實驗驗證了自動建模方法的正確性，并在校園網(wǎng)中基于自動構(gòu)建的協(xié)議隱馬爾可夫模型進行了流量識別的應(yīng)用，結(jié)果進一步論證了本文自動建模方法的理論意義和應(yīng)用價值。 本文從原理、算法和應(yīng)用三方面主要做了如下工作： 1．提出自動構(gòu)建網(wǎng)絡(luò)協(xié)議隱馬爾可夫模型的方法，并對方法的正確性進行了實驗驗證。通過研究網(wǎng)絡(luò)流的時序特征和統(tǒng)計特征，提出自動建模的方法：用基于密度的聚類算法對網(wǎng)絡(luò)流數(shù)據(jù)包進行聚類分析，來獲取與協(xié)議隱馬爾可夫模型初始結(jié)構(gòu)相對應(yīng)的有窮狀態(tài)機，以體現(xiàn)網(wǎng)絡(luò)流的時序特征，并抽象出數(shù)據(jù)包的特征向量，用有窮狀態(tài)機中“狀態(tài)”間的轉(zhuǎn)移概率和“狀態(tài)”下特征向量的條件分布表征網(wǎng)絡(luò)流的統(tǒng)計特征；然后通過有窮狀態(tài)機的先驗指導(dǎo)對模型參數(shù)進行訓(xùn)練，從而獲得完整的協(xié)議隱馬爾可夫模型。同時選取六種典型的網(wǎng)絡(luò)應(yīng)用進行...

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.4甲和乙通過協(xié)議P的通信過程

隱馬爾可夫模型做鋪墊。到過，現(xiàn)階段主流的基于統(tǒng)計特征的流量的統(tǒng)計特征，而未考慮流量交一個關(guān)鍵性改進就是分類時綜合考必要先對網(wǎng)絡(luò)流的這兩項特征進行分序”就是對時間先后順序的限定，的整個交互過程中，按照時間先后現(xiàn)為協(xié)議交互過程的不同“狀態(tài)”，就是網(wǎng)絡(luò)流時序特征的準(zhǔn)確反映�；サ暮唵卫�子....

圖2.6協(xié)議P的有窮狀態(tài)機模型

如圖2.6所示。圖2.6協(xié)議P的有窮狀態(tài)機模型Fig.2.6FinitestatemachineofprotocolP圖中符號“+”和“-”分別表示網(wǎng)絡(luò)流數(shù)據(jù)包傳輸?shù)恼�反向，其中�?”表示數(shù)據(jù)包由甲發(fā)送到乙，“-”號表示數(shù)據(jù)包由乙發(fā)送到甲。該有窮狀態(tài)機反映的....

圖2.7協(xié)議P交互過程各狀態(tài)包長統(tǒng)計分布

圖2.7協(xié)議P交互過程各狀態(tài)包長統(tǒng)計分布Fig.2.7StatisticaldistributionoflengthofpackageofprotocolP橫軸表示包長，縱軸表示各個包長值的概率密度，即該包長總數(shù)的百分比。圖中顯示，協(xié)議P不同“狀態(tài)”....

圖3.1傳統(tǒng)的流量識別方法

本文的核心研究背景創(chuàng)新性的識別方法，綜應(yīng)用環(huán)境中有較好的識別對幾種傳統(tǒng)的流量識述，其中在3.2節(jié)將詳細(xì)、過程，以及構(gòu)建流量討論和解決的核心問題量識別技術(shù)別方法根據(jù)時間先后主、基于網(wǎng)絡(luò)流統(tǒng)計特征利用了機器學(xué)習(xí)和模式別，如圖3.1所示。

本文編號：3993621