基于机器学习的网络流量识别方法研究

《基于机器学习的网络流量识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ｙ＾中西分类号：Ｔ画密级：公开：ＵＤＣ：６２１．３９学校化保１００８２；ＨＰＩＰ＂＾皆弁、净ＨＥＢＥＩＵＮＩＶＥ民ＳＩＴＹＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹ硕±学位论文基于机器学习的网络流量识别方法研究论文作者：张玉—指导教师：王俊社教授副指导教师：申请学位类别：工学硕±学科、领域：通信与信息系统所在单位：信息科学与工程学院笞辩日期：２０１６年１２月Ｉ＿河化科技大学学位论文原创性声明，独立进行研究工本人郑重声明：所呈交的学位论文，是本人在导师的指导下和集体，巧已在文中Ｗ明确

2、方作所取得的成果。对本文的研究做化重要贡献的个人己经发，本论文不包含任何其他个人或集体式标明。除文中己经巧明引用的内容外法律结果由本人承担。表或撰写过的作品或成果。本人完全意识到本声明的＂＾指导教师签名：Ｗ多学位论文作者签名：１＾＾年＾月知日日心／２？年化月７／６河北科技大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留。本并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅人授权河北科技大学可臥将本学位论文的全部或部分内容编入有关数据库进行检。、编本学位论文臥采印缩印或扫描等复制手段保存和

3、汇索，可用影。书□保密，在＿＿年解密后适用本授权本学位论文厲于＾５保密。＼１＾＂少上方框打）（请在Ｗ内签；名：指导教师学位论文作者签名心＾曰年月扛曰／年月屋＾；Ｗ！＞心／备７ClassifiedIndex：TN915SecrecyRate：PublicizedUDC：621.39UniversityCode：10082HebeiUniversityofScienceandTechnologyDissertationfortheMasterDegreeResearchonNetworkTrafficIdentificationMethodBasedonMachineL

4、earningCandidate：ZhangYuSupervisor:Prof.WangJunsheAssociateSupervisor：AcademicDegreeAppliedfor：MasterofEngineeringSpeciality：CommunicationandInformationSystemEmployer：SchoolofInformationScienceandEngineeringDateofOralExamination:Dec,2016摘要摘要随着互联网技术的迅猛发展，网络流量的爆发式增长和网络协议的灵活使用导致网络威胁越来越多。这些威胁都可以通过网络流量识别

5、得到很好的解决。面对日趋复杂的网络环境，能够处理高维数、多类型等现代网络流量的识别方法，越来越受到人们的重视，其中基于机器学习的流量识别算法是近年来各专家学者研究的重点。网络流量识别的过程主要包括特征处理和流量识别两大方面。针对目前特征处理方法中，不能同时去除特征集中的冗余特征和无关特征的问题，提出了一种基于K-L变换和ReliefF特征选择的KL-RF算法。该算法利用K-L变换去除原始特征集中的冗余特征，并采用自适应的方式调整ReliefF算法的特征权重阈值，去除其中的无关特征，获得优质的特征子集，进而降低流量识别的复杂度，减少训练建模的时间，提高运行效率。针对基于机器学习的AdaBoost

6、-SVM算法，在流量识别中存在样本被多次错分造成的权重失衡问题，提出了改进的AdaBoost-SVM算法，该算法通过调整各类样本的误差分布，选择合理的基识别器权重计算方法，防止训练过程中出现样本权重失衡的现象，提高流量识别的准确率。最后采用AndrewW.Moore数据集对KL-RF算法和改进的AdaBoost-SVM算法进行验证，实验结果显示，与原有算法相比，本文提出的算法降低了特征子集的维数，减小了构建识别模型的时间，提高了流量识别的准确率。关键词特征处理；K-L变换；ReliefF；流量识别；支持向量机；AdaBoostIAbstractAbstractWiththerapiddevel

7、opmentofInternettechnology,theexplosivegrowthofnetworktrafficandtheflexibleuseofnetworkprotocolshaveledtomoreandmorenetworkthreats.Thesethreatscanbewellsolvedthroughthenetworktrafficidentification.Fac