基于網(wǎng)絡流和連接特征的端主機分類.pdf

1、當今時代是一個互聯(lián)網(wǎng)的時代，具體表現(xiàn)為互聯(lián)網(wǎng)規(guī)模越來越大，網(wǎng)絡流量越來越多，能夠有效并可控地監(jiān)管網(wǎng)絡流量和用戶行為的方法，越來越得到網(wǎng)絡管理者們的關注和期盼，而如何合理使用并處理網(wǎng)絡數(shù)據(jù)，提取網(wǎng)絡特征對端主機及用戶行為進行有效分類和識別也由此成為各高校學者和研究機構(gòu)的研究熱點。但是，目前的針對端主機的識別和用戶行為分類等研究基本處于相對空白的狀態(tài)。
　　針對上述的端主機識別和分類的研究現(xiàn)狀，本文詳細地分析了網(wǎng)絡流特征，構(gòu)建了用戶行

2、為譜的模型，并將其用于網(wǎng)絡流特征的提取和統(tǒng)計，接著引入機器學習技術(shù)，提出了基于流特征的端主機識別方法和基于網(wǎng)絡連接特征的端主機行為分類方法，從而完成對端主機及其行為模式的識別和分類。具體工作如下：
　　1、提出了一種新的基于流特征的端主機行為識別方法。具體方法是，我們主要針對小型網(wǎng)絡中的端主機，通過捕獲網(wǎng)絡通信數(shù)據(jù)包，構(gòu)建用戶行為譜模型，基于流特征進行分析，基于所構(gòu)建的模型，對網(wǎng)絡數(shù)據(jù)進行DN S解析，接著對表征流級行為的特征數(shù)據(jù)

3、進行提取和統(tǒng)計，得到屬于每臺主機在某天的行為特征參數(shù)矩陣，再對其進行“奇異值分解”的處理，得到若干組能夠表征端主機行為特點的特征向量，最后通過改進的數(shù)據(jù)挖掘技術(shù)分類算法中的C4.5算法對端主機進行了行為類型的識別，以及以其他的方法中采用的特征參數(shù)集作對照組進行結(jié)果對比，結(jié)果表明，引入了用戶行為譜和奇異值分解處理的主機識別方法較之傳統(tǒng)的統(tǒng)計特征識別方法能夠取得較好的效果。
　　2、提出了一種基于網(wǎng)絡連接特征的端主機行為分類方法。我們

4、主要針對小型網(wǎng)絡中的端主機，基于對網(wǎng)絡連接特征的分析和處理，提出對端主機的行為分類方法，我們同樣基于用戶行為譜的模型，處理得到表征每臺主機每天的行為特點的特征參數(shù)矩陣，通過計算并使用其矩陣相似度，用來構(gòu)造節(jié)點的連接關系矩陣和連接圖。接著，我們考察了用戶網(wǎng)絡行為及偏好趨勢的穩(wěn)定性。最后我們通過合理定義節(jié)點信息和邊權(quán)重，應用社團劃分算法中的GN算法處理節(jié)點連接關系圖，得到了最后的社團劃分結(jié)果，并對其進行了詳細的分析和解釋，并通過對社團中真實