網絡應用的飛速發展增加了網絡服務質量的重要性，作為網絡管理的基礎，網絡流量識別技術持續發展，最新的基于協議隱馬爾可夫模型的識別技術綜合考慮了網絡流的時序特征和統計特征，有很好的識別準確率，但是已有研究是人工構建協議隱馬爾可夫模型的，這無法滿足實際應用的需求。因此，本文提出一種自動構建協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，并在校園網中基于自動構建的協議隱馬爾可夫模型進行了流量識別的應用，結果進一步論證了本文自動建模方法的理論意義和應用價值。 本文從原理、算法和應用三方面主要做了如下工作： 1．提出自動構建網絡協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。通過研究網絡流的時序特征和統計特征，提出自動建模的方法：用基于密度的聚類算法對網絡流數據包進行聚類分析，來獲取與協議隱馬爾可夫模型初始結構相對應的有窮狀態機，以體現網絡流的時序特征，并抽象出數據包的特征向量，用有窮狀態機中“狀態”間的轉移概率和“狀態”下特征向量的條件分布表征網絡流的統計特征；然后通過有窮狀態機的先驗指導對模型參數進行訓練，從而獲得完整的協議隱馬爾可夫模型。同時選取六種典型的網絡應用進行...

【文章頁數】：83 頁

【學位級別】：碩士

【部分圖文】：

圖2.4甲和乙通過協議P的通信過程

隱馬爾可夫模型做鋪墊。到過，現階段主流的基于統計特征的流量的統計特征，而未考慮流量交一個關鍵性改進就是分類時綜合考必要先對網絡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，按照時間先后現為協議交互過程的不同“狀態”，就是網絡流時序特征的準確反映。互的簡單例子....

圖2.6協議P的有窮狀態機模型

如圖2.6所示。圖2.6協議P的有窮狀態機模型Fig.2.6FinitestatemachineofprotocolP圖中符號“+”和“-”分別表示網絡流數據包傳輸的正反向，其中“+”表示數據包由甲發送到乙，“-”號表示數據包由乙發送到甲。該有窮狀態機反映的....

圖2.7協議P交互過程各狀態包長統計分布

圖2.7協議P交互過程各狀態包長統計分布Fig.2.7StatisticaldistributionoflengthofpackageofprotocolP橫軸表示包長，縱軸表示各個包長值的概率密度，即該包長總數的百分比。圖中顯示，協議P不同“狀態”....

圖3.1傳統的流量識別方法

本文的核心研究背景創新性的識別方法，綜應用環境中有較好的識別對幾種傳統的流量識述，其中在3.2節將詳細、過程，以及構建流量討論和解決的核心問題量識別技術別方法根據時間先后主、基于網絡流統計特征利用了機器學習和模式別，如圖3.1所示。

本文編號：3993621