互聯(lián)網流量測量及分類技術的研究與設計.pdf

1、近年來隨著互聯(lián)網技術的進一步成熟，大量的新型網絡應用和服務不斷涌現(xiàn)，它們在給人們帶來便捷的同時也給網絡運營商的維護管理帶來了巨大的壓力。隨著數(shù)量眾多的異構網絡的接入，互聯(lián)網變得更加難以掌控。通過網絡流量測量能夠獲取網絡行為特征，從而可以更好的管理網絡。因此，如何有效的進行數(shù)據流量測量成為了一個重要的研究課題。
　　本文全面總結了互聯(lián)網流量測量的相關理論，闡述了互聯(lián)網流量測量中的主要測量技術，包括基于主動測量的方法和基于被動模型的網

2、絡測量方法。接著介紹了高速網絡下的幾種流量測量模型，在此基礎上對Netflow工具，包括Netflow的原理、框架結構、輸出方式和使用方法進行了細致深入的研究。最后對流分類的方法進行了概述，介紹了傳統(tǒng)的流量分類方法和機器學習在網絡分類中的應用，系統(tǒng)全面地分析了有監(jiān)督學習中的樸素Bayes方法、Bayes網絡和決策樹算法。在基于這些理論的基礎上，設計了一個基于Netflow的網絡流量測量及分類系統(tǒng)，并結合了本校園網的特點應用到校園網當中，

3、具體工作如下：
　?。?）數(shù)據流量采集模塊的設計。在網絡流量測量系統(tǒng)中采集模塊是最為重要的功能模塊，也是Netflow系統(tǒng)設計的核心組成部件。本文中Netflow數(shù)據采集模塊是以路由器的接口作為流量監(jiān)測的標志，其功能主要是將路由器發(fā)出的NetFlow網絡流量數(shù)據輸出包進行接收和處理，將包中的每一條網絡數(shù)據流量信息按照一定得規(guī)則解壓分析出來，并根據不同內容的網絡數(shù)據流量信息采用不同的方式去應對。
　?。?）數(shù)據流量的分類方法。

4、隨著網絡規(guī)模的不斷擴張，網絡流量的特征變得異常復雜且難以預測，而對流量進行有效分類變得尤為重要，加之Netflow已經得到廣泛的應用，所以本文設計了一種針對Netflow流信息進行分類的方法。將Netflow所包含的五元組數(shù)據包信息進行更深層次的推導，比如平均字節(jié)速率，平均包速率等來豐富Netflow流量特征空間，通過機器學習的流分類方法對Netflow數(shù)據進行分類。
　?。?）數(shù)據流量的監(jiān)測。互聯(lián)網流量測量系統(tǒng)是利用Netflo