基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量分類研究.pdf

1、近幾年快速增長(zhǎng)的互聯(lián)網(wǎng)加速了網(wǎng)絡(luò)流量的產(chǎn)生，根據(jù)思科視覺網(wǎng)絡(luò)索引報(bào)告，2016年到2021年，全球IP流量預(yù)計(jì)會(huì)增長(zhǎng)三倍，年均值將從1.2ZB上升到3.3ZB，這必將占據(jù)巨大的網(wǎng)絡(luò)寬帶，使得網(wǎng)絡(luò)擁塞問題更為嚴(yán)重。對(duì)于這龐大的網(wǎng)絡(luò)流量，如何進(jìn)行有效地分析與利用，將會(huì)直接影響到網(wǎng)絡(luò)安全的控制和網(wǎng)絡(luò)資源的管理。網(wǎng)絡(luò)流量分類技術(shù)則是一種分析和利用網(wǎng)絡(luò)流量的重要技術(shù)，它對(duì)于網(wǎng)絡(luò)流量的分析、網(wǎng)絡(luò)系統(tǒng)的管理與改善都具有非常重要的意義。
　　本文

2、主要圍繞網(wǎng)絡(luò)流量的分類，研究了網(wǎng)絡(luò)應(yīng)用分類和網(wǎng)絡(luò)用戶行為分析。對(duì)于網(wǎng)絡(luò)應(yīng)用的識(shí)別分析，可以了解網(wǎng)絡(luò)應(yīng)用對(duì)硬件設(shè)備的發(fā)展需求，了解網(wǎng)絡(luò)應(yīng)用與用戶之間的潛在關(guān)系特征，以及改善網(wǎng)絡(luò)應(yīng)用的服務(wù)質(zhì)量。針對(duì)網(wǎng)絡(luò)用戶上網(wǎng)行為的分析，可以了解網(wǎng)絡(luò)用戶的上網(wǎng)習(xí)慣和喜愛偏好等個(gè)人特征或群體特征，更為精準(zhǔn)地為網(wǎng)絡(luò)用戶提供更高效快捷的網(wǎng)絡(luò)服務(wù)，同時(shí)也能為網(wǎng)絡(luò)安全策略的更新提供依據(jù)。
　　本文首先針對(duì)現(xiàn)有的網(wǎng)絡(luò)流量分類技術(shù)的不足，提出將深度學(xué)習(xí)(Deep

3、Learning)技術(shù)應(yīng)用于網(wǎng)絡(luò)應(yīng)用分類的研究，從而提高網(wǎng)絡(luò)應(yīng)用的分類準(zhǔn)確率。本文采用深度信念網(wǎng)絡(luò)(DBN，Deep Belief Network)作為網(wǎng)絡(luò)應(yīng)用分類的深度學(xué)習(xí)研究模型，使用UDP公共網(wǎng)絡(luò)應(yīng)用數(shù)據(jù)集作為研究對(duì)象，詳細(xì)描述了構(gòu)建適用于網(wǎng)絡(luò)應(yīng)用分類的DBN模型的設(shè)計(jì)與實(shí)現(xiàn)，并與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行性能比較，分析得出該DBN模型有效地提高了網(wǎng)絡(luò)應(yīng)用的分類準(zhǔn)確率。其次，本文還提出了基于DBN的網(wǎng)絡(luò)用戶身份識(shí)別的模型，該模型研