基于机器学习的分布式流量检测系统

作     者：潘文海 

作者单位：西安电子科技大学 

学位级别：硕士

导师姓名：李晖

授予年度：2013年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 081201[工学-计算机系统结构] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：流量检测 机器学习 分布式系统 SVM 分类算法 

摘      要：随着移动互联网的不断发展,对网络资源优化分配和管理的需求不断增高。由于不同类型的网络流量对网络性能有不同的影响,细粒度网络资源管理需要进行网络流量类型的检测和识别。流量检测技术作为细粒度网络优化和管理的基础,越来越受到学术界的工业界的关注。在流量检测领域,基于机器学习算法的流量检测技术由于其良好特性,成为了近年来流量检测领域的研究热点。 本文设计并实现了基于机器学习的分布式流量检测系统。整个系统采用分布式架构,可以灵活地进行系统的扩展和部署。利用B/S架构实现整个系统的集中式管理,可以实现远程系统管理、结果查询和对检测结果的统计分析。系统采用支持向量机算法进行流量检测和识别,基于网络流量的统计学特征对流量进行分类,在一定程度上克服了传统流量检测方法的缺点。 本文还对所实现的分布式流量检测系统进行了功能测试、吞吐量测试和识别准确率测试。测试结果表明,本文所实现的分布式流量检测系统能够完成流量检测工作。在本文测试系统所使用的计算资源下,系统吞吐量理论最优值为2.81GB/s左右。系统整体检测准确率为74.8%左右。