如何進(jìn)行網(wǎng)絡(luò)流量分類詳細(xì)資料和算法的研究

　　隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展，基于網(wǎng)絡(luò)的應(yīng)用越來越多、越來越復(fù)雜。種類繁多的應(yīng)用（合法的或者非法的）不但吞噬著越來越多的網(wǎng)絡(luò)資源，而且也對QoS和網(wǎng)絡(luò)安全帶來了巨大的威脅。由于在負(fù)載均衡、資源利用等方面的優(yōu)勢，流量工程（Traffic Engineering）得到了業(yè)界廣泛的關(guān)注。在流量工程中，流量識別是網(wǎng)絡(luò)管理、流量監(jiān)控、服務(wù)分析、安全和錯(cuò)誤監(jiān)測、網(wǎng)絡(luò)計(jì)費(fèi)等多方面的重要基礎(chǔ)。

　　已有的流量識別方式，例如基于端口識別，基于特征碼識別，BLINC識別存在一些缺點(diǎn)。近年來，以流量統(tǒng)計(jì)特征為基礎(chǔ)的機(jī)器學(xué)習(xí)識別方法得到了廣泛的關(guān)注?；跈C(jī)器識別流量類型的原理是：根據(jù)IP包的長度、時(shí)間間隔等流量特征進(jìn)行流量類型識別，無須檢測IP包的載荷內(nèi)容。在實(shí)踐中，基于機(jī)器學(xué)習(xí)的流量類型識別又有“有監(jiān)督型”和“無監(jiān)督型”兩種。例如貝葉斯，EM算法屬于有監(jiān)督型，而k-means算法則屬于無監(jiān)督型，它們的區(qū)別在于有無導(dǎo)師信號的指導(dǎo)。在當(dāng)前的實(shí)踐中，基于機(jī)器學(xué)習(xí)的流量識別方法表現(xiàn)出了較高的準(zhǔn)確率。

　　有監(jiān)督型算法往往由于依賴已知的人工分析，對于新的網(wǎng)絡(luò)流量反應(yīng)遲鈍。這樣一個(gè)很具挑戰(zhàn)性的課題就是不僅保證對已知流量的準(zhǔn)確檢測，而且能檢測出未知流量。本文將無監(jiān)督型的自組織映射網(wǎng)絡(luò)算法（Self-organizing Mapping，SOM）引入流量分類，該算法在學(xué)習(xí)過程中不需要人工分析做向?qū)?，自動對?shù)據(jù)進(jìn)行分類。

　　在屬性的選取上，引入流量時(shí)間間隔變化率這- -概念，盡可能消除了網(wǎng)絡(luò)狀況對于流量時(shí)間間隔的影響，并實(shí)現(xiàn)了一個(gè)基于該算法的流量識別系統(tǒng)模型，初步達(dá)到了識別新流量的目的。