[發明專利]基于支持向量機的實時多應用網絡流量識別方法

有效

• 申請號: 201410313090.X
• 申請日: 2014-07-02
• 公開（公告）號: CN104052639A
• 公開（公告）日: 2014-09-17
• 發明（設計）人: 劉琚;馬衍慶;喬美華;于智源;郭志鑫
• 申請（專利權）人: 山東大學
• 主分類號: H04L12/26
• 分類號: H04L12/26
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李健康

1.一種基于支持向量機的網絡流量識別方法，包括支持向量機的離線訓練和支持向量機的在線實時分類步驟：

支持向量機的離線訓練步驟包括：

(1)利用抓包工具從網絡線路中抓取數據包；

(2)對數據包進行統計，得到網絡流的包數、包長、源地址、目的地址、傳輸層協議和上行或下行的流向；

(3)從獲取的數據中抽樣，選擇網絡應用正常運行時的樣本，分別對樣本的應用類別進行標注；

(4)根據“時間窗口法”，從任意的時間點開始，設定一段時間，根據該段時間內連續采集的網絡流量與平均值的偏離程度，將高于平均值1.6倍的流量稱為“峰值區”，處于平均值0.6～1.4倍區間的流量稱為“穩定區”，由此時間段內的網絡流量生成多種特征值；

(5)采用支持向量機方法對樣本特征值進行訓練學習，生成分類規則，構建分類器模型；

支持向量機的在線實時分類步驟包括：

(1)利用抓包工具從網絡線路中抓取數據包；

(2)對數據包進行統計，得到網絡流的包數、包長、源地址、目的地址、傳輸層協議和上行或下行的流向；

(3)采用支持向量機的離線訓練步驟的步驟(4)相同的方法生成多種特征值；

(4)采用支持向量機的離線訓練步驟的步驟(5)已經生成的分類規則和分類器模型，對網絡流的特征值進行分類識別，得出識別結果。

2.根據權利要求1所述的基于支持向量機的網絡流量識別方法，其特征在于：所述離線訓練步驟中第(4)步和在線實時分類步驟中第(3)步中的多種特征值包括下行包數，上行包數，下行數據量，上行數據量，下、上行包數比，下、上行數據量比，下、上行包數方差比，下、上行數據量方差比，下行中大數據量的IP數目，峰值區內數據量的比重，穩定區內樣本數目的比重。

3.根據權利要求1所述的基于支持向量機的網絡流量識別方法，其特征在于：所述支持向量機的離線訓練步驟中的步驟(5)中采用交叉驗證法獲得支持向量機的核函數參數和懲罰參數。