

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、協(xié)議識別技術是實現(xiàn)流量監(jiān)控、入侵檢測以及用戶行為分析等應用的基礎。隨著互聯(lián)網(wǎng)的發(fā)展,新型的網(wǎng)絡類型不斷出現(xiàn),新的協(xié)議規(guī)范很多都不再對外公開且使用隨機的端口。另外,由于信息安全或用戶隱私的問題,有越來越多的網(wǎng)絡流量被加密,這些都使得協(xié)議識別面臨和需要解決的問題越來越復雜。所以,尋找更加高效的協(xié)議識別方法有著重要的研究和實際應用意義?;趦热莸膮f(xié)議識別能夠達到很高的準確率,基于流統(tǒng)計特征的識別可以識別加密流量且有較好的吞吐性,這兩種協(xié)議識別
2、方法是當今協(xié)議識別中應用最廣泛的。
本文主要是通過改進這兩種協(xié)議識別方法中的匹配算法的性能來提高協(xié)議識別效率的,具體的研究工作主要包括以下幾個方面:
1)提出基于模式匹配和機器學習的協(xié)議識別系統(tǒng)。該系統(tǒng)結合這兩種協(xié)議識別技術的優(yōu)點,可以通過模式匹配方法實現(xiàn)對協(xié)議內容的高準確率的識別,也可以利用機器學習方法識別出加密的流量,并可以對協(xié)議特征庫不斷更新。
2)研究和分析了常見的模式匹配算法,并提出了一種改進的B
3、M算法。該算法可以減少算法預處理復雜度,并充分利用失配時候的信息,提高最大跳躍距離,并考慮了更多情況,提高模式串達到最大或者較大跳躍距離的概率,從而提高了匹配的效率。
3)提出了一種ESBS-GA特征選擇方法。在現(xiàn)有的特征選擇方法的基礎之上,用遺傳算法對現(xiàn)在常用的一些流量特征進一步篩選。ESBS-GA能夠篩選獲得特征個數(shù)更少,且分類效果更佳的流量特征集合,簡化了 Kmens分類過程,大大提高了分類性能。
4)研究和分
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征匹配的協(xié)議識別關鍵技術研究.pdf
- 基于點模式匹配的指紋識別技術研究.pdf
- 基于機器學習的VoIP流量識別技術研究.pdf
- 基于機器學習的數(shù)據(jù)碎片類型識別技術研究.pdf
- 基于機器學習方法的核素識別技術研究.pdf
- 基于機器學習的流量識別關鍵技術研究.pdf
- 基于視圖的RDF模式匹配技術研究.pdf
- 基于模式匹配的中文問答技術研究.pdf
- 基于機器學習的高頻地波雷達復雜雜波識別技術研究.pdf
- 物聯(lián)網(wǎng)模式識別與匹配技術研究.pdf
- 基于機器學習的雷達輻射源分類識別技術研究.pdf
- 基于機器學習的深層網(wǎng)絡接口模式匹配方法研究.pdf
- 基于并行模板匹配的車牌識別技術研究.pdf
- 基于特匹配的網(wǎng)絡應用識別技術研究.pdf
- 基于機器學習的直升機飛行狀態(tài)識別技術研究.pdf
- 基于機器學習的多傳感器目標識別技術研究.pdf
- 基于人臉圖像稠密匹配的身份識別技術研究.pdf
- 基于本體的Deep Web模式匹配技術研究.pdf
- 基于機器視覺的雜草識別技術研究.pdf
- 基于機器視覺的儀表識別技術研究.pdf
評論
0/150
提交評論