对几种网络流量分类方法的分析与改进

摘要

网络流量分类技术是互联网运营商对网络状况进行监督，进而对网络进行管理的重要手段。随着互联网技术的快速发展，在不增加网络带宽的情况下提升网络的性能成了亟待解决的问题。这就需要对网络流量进行分类。
　　 在本论文中，我们主要对三种网络流量分类方法进行了分析和改进，对改进前后的分类方法分别进行了比较，并且对比了这几种改进之后的分类方法。
　　 基于内容的分类方法以数据包作为操作对象，分类效率比较低，而且它的特征字符串集合也比较陈旧，无法进行准确分类。我们通过论证，可以让这种方法以数据流为操作对象。同时，我们经过测试，对特征字符串集合进行了仔细整理，添加了一些新的特征字符串。改进之后的方法在很大程度上提高了分类的完整性，同时降低了分类的漏报率。
　　 基于通信特征的BLINC分类方法[10]只能对大规模的数据集进行分类，并且分类的结果无法精确到具体协议。对此，我们首先通过测试对基于端口的方法进行约束，使之只能对某些特殊的应用层协议进行分类。然后利用这种结合端口号约束的BLINC方法进行流量分类。改进之后的方法明显提高了分类的准确率和完整性，降低了分类的漏报率。同时，改进之后的方法可以对小规模的数据集进行分类，分类的类别也更加细致。
　　 基于统计模型的分类方法[5]应用统计模型对属于同一种应用层协议的数据包进行自动分类。这种方法使用对称相对熵来计算两个语法之间的统计分布距离，但是当统计分布中某些符号出现的几率为零时，这种计算方法无法对其进行计算，需要根据训练集的测试结果人为设定一个特殊值来代表这些符号上的相对熵值，而在训练集更换后这种方法有可能无法达到比较好的学习效果，所以需要对这个特殊值进行重新测试。在本文中，我们使用卡方距离来代替对称相对熵计算语法之间的统计分布距离，不再需要设定特殊值。同时，我们综合使用受到约束的基于端口的方法和改进后的基于内容的方法对语法进行判定，提高了这种方法的适用性。