基于多分類器的網(wǎng)絡流量分類研究.pdf

1、隨著信息技術的高速發(fā)展，各種各樣的互聯(lián)網(wǎng)應用產(chǎn)生了大量的網(wǎng)絡流量，消耗了巨大的網(wǎng)絡資源，不僅給網(wǎng)絡服務質(zhì)量帶來了極大的挑戰(zhàn)，同時也會導致互聯(lián)網(wǎng)安全問題的產(chǎn)生。為了合理高效的利用網(wǎng)絡資源并為網(wǎng)絡管理者提供有效的管控手段，網(wǎng)絡流量分類是基礎和前提條件。在各種網(wǎng)絡流量分類技術中，基于機器學習的技術由于具有自動性和自適應性，成為近年來的研究熱點問題。
　　機器學習領域發(fā)現(xiàn)，不同的特征描述、不同的分類器在分類性能上存在著彼此互補的現(xiàn)象，同時

2、使用多個分類器可能提高分類準確性。因此，多分類器的研究吸引了學者們廣泛的注意，并且己在手寫體識別、時間序列預測、基因序列預測等多個實際應用方面取得了較好的效果。但是，多分類器的方法在網(wǎng)絡流量分類領域的應用研究才剛剛起步。在此背景下，本文對基于多分類器的網(wǎng)絡流量分類技術進行研究。
　　論文的主要工作如下:
　　1、介紹了流量分類的基本概念，目前主要的流量識別方法及各自的優(yōu)缺點，并重點分析了基于統(tǒng)計特征的識別方法。對利用機器學習

3、算法進行流量分類的方法進行了詳細分析，為進一步研究高效識別方法提供基礎。
　　2、基于這樣的認識—實際的網(wǎng)絡管理中，管理者希望識別出來并加以控制的可能只是少數(shù)特定的應用，本論文提出為關注的應用構建應用專門分類器，并將其組合協(xié)同工作的方法。同時，通過實驗的手段，保證每個應用專門分類器對于其面向的應用具有良好的識別效果。本文方法只需要較少的實驗工作量，卻能夠得到較高的準確性，實驗結(jié)果表明，分類性能總體優(yōu)于所有參與實驗的單分類器方法。<