摘要：一体化信息网络有多种类型协议的网络接入,流量管理与调度困难,针对这种情况设计基于软件定义网络(SDN)架构的一体化信息网络业务流分类技术。根据SDN框架转控分离的特点,设计流量感知节点采集流量信息,针对一体化信息网络流量连续特征属性多、业务类别分布不平衡、存在大量噪声的特点,设计基于Fayyad边界点定理改进CART算法,与基于弱分类器系数和分类误差相似度改进的Adaboost算法相结合的分类模型。实验结果表明,该技术能够对采集到的业务流进行分类,与相关算法相比,分类精度和用时均有明显改进。

摘要：为精确高效地识别加密类业务流,给出了一种基于机器自学习的互联网加密业务流早期识别方法。该方法利用加密前后变化不明显的流量统计特征结合机器自学习方法进行识别。首先基于特征与业务类型的互熵来遴选出最优特征用于分类;然后利用所选特征给出了加密业务流总体识别模型,并对模型中的自学习阶段及识别阶段进行了创新,仅选取最能反映协议特点的每条业务流的前几个数据包进行早期识别,达到了对加密业务流高效识别的效果;最后对识别方法进行了性能分析和实验,实验结果表明,基于所选取的最优特征,仅利用每条流前5个数据包即可得到90%以上的流识别精确度。