基于流记录的网络流量识别关键技术研究

流量识别对互联网的网络安全和网络管理领域具有重要意义。本书介绍了流量识别的重要性及其现有方法的局限性，提出了基于机器学习和抽样技术改进的流量识别方法，包括流特征选择算法、改进的BP神经网络算法、多概率神经网络模型和基于多分类器的网络流量识别方法。其中，针对属性选择问题，介绍了FBRI和MSAS两种算法，并进行了实验和结果分析。针对抽样技术的问题，分析了报文抽样对网络流量应用识别的影响。针对BP神经网络算法的问题，提出了基于PCA的算法，并进行了实验和结果分析。针对Kmeans算法的问题，提出了基于模拟退火的算法，并进行了实验结果分析。针对概率神经网络的问题，提出了基于PNN决策函数逼近贝叶斯的MPNN应用协议识别算法，并分析了训练集大小对算法稳定性的影响和算法时空复杂度。最后，针对多分类器的问题，提出了基于多分类器流量识别模型，并进行了实验和结果分析。本书全面介绍了当前基于流记录的网络流量识别关键技术，可供对网络流量识别技术感兴趣的研究人员和学生参考学习。