基于多核支持向量机的网络流量分类方法研究

摘要

随着网络技术的发展和网络的普及，网络上的信息量越来越大，对网络流量的分类传输，会减少网络传输的压力，增加网络传输的速度。本文主要研究基于向量机的网络流量分类方法，网络流量分类的根本性质其实是基于报文长度来进行分类的。
　　以往的网络流量分类的方式是根据端口静态来分配的。本文研究的是基于向量机的网络分类，支持向量机的分类方式是基于统计学基础来分类的，是一种动态的分类方法，支持向量机的方法具有较强的分析能力和靠近能力。向量机是神经网络的一个研究方式，应用这种方式对网络流量进行分类有着很好的优越性，所以此方式越来越受到重视，这种方式具有自学习的能力，具有很好的智能性和学习性。这种方法可以很好地对网络数据进行分类。
　　基于向量机的网络流量的分类打破了传统的以端口进行的静态分类方式，使得网络流量进行动态分类，确保了网络的服务质量和网络的传输速度，提高了网络流量分类的精确度。
　　本文分析了混合相加核支持向量机以及多分的算法等，确保网络的服务质量，以及传输速度。本文还分析了MKSVM互联网流量分类器的作用以及接口的应用和对数据结果的分析，设计了分析系统对向量机的测试方式以及对整个系统的接口设计，对移植模块和分类模块进行了分析，设计了整个分析系统，对基于向量机的网络分类方法进行了深入的研究。

目录

声明

摘要

第1章 绪论

1．1 研究的目的和意义

1．2 研究背景

1．2．1 基于端口号匹配的流量分类

1．2．2 基于特征字段分析的流量分类

1．2．3 基于行为检测的流量分类

1．3 国内外研究现状

1．4 本文的研究内容

第2章 混合相加核支持向量机

2．1 线性可分的类

2．2 不可分的类与代价函数

2．3 核技术及多核理论

2．3．1 非线性分类

2．3．2 Mecer定理

2．4 多分类算法

2．4．1 一对多扩展

2．4．2 有向循环图扩展

2．4．3 一对一扩展

2．5 小结

第3章 混合相加核函数

3．1 Mercer定理的推论

3．2 局部响应核函数

3．3 全局响应核函数

3．4 混合相加核函数

3．4．1 混合相加核函数的构造与性质

3．4．2 混合相加核函数的参数鲁棒性

3．5 小结

第4章 MKSVM互联网流量分类器

4．1 仿真环境的建立

4．1．1 Moore-set数据集及其预处理

4．1．2 Libsvm接口分析

4．1．3 实验效果评价指标

4．2 基于遗传算法的参数选取

4．3 仿真结果与分析

4．3．1 实验数据

4．3．2 仿真结果

4．4 结果分析

4．5 小结

第5章 系统开发

5．1 样本大小的设定

5．2 样本的均衡性

5．3 系统运行环境及整体结构

5．4 组件设计与数据接口

5．4．1 移植的模块

5．4．2 分类模块

5．4．3 用户友好界面

5．5 小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间发表的学术论文及科研工作

致谢