10.15918/j.tbit1001-0645.2018.05.016
基于时序流的移动流量实时分类方法
移动互联网的快速发展,产生了网络测量、网络安全和服务质量等方面的新问题.为了深入研究移动互联网的特性,研究人员需要从传统网络流量中快速准确分类出移动流量.本文提出了一种采用轻量级流表与深度数据包检测技术(DPI)相结合的移动流量实时分类方法,将网络流按照时间间隔关系扩展为时序流,并通过DPI时序流前N个特征数据包准确地分类出移动流量,缩减了流表规模,减少了实际 DPI开销.通过实时的网络流量实验表明,DPI时序流前 8 个特征数据包时,提出的方法识别准确率达到 91.55%,单次深度数据包检测的平均开销为20 个数据包,并且流表的规模缩减到原来的0.21%.与P0F比较,方法识别准确率等性能有明显提升.
流量分类、移动流量、深度数据包检测、实时、HTTP协议
38
TP393(计算技术、计算机技术)
国家自然科学基金资助项目61672101,61751217,U1636119;陕西省教育厅科研计划项目14JK1825;延安市科技攻关资助项目2014KG-09
2018-08-15（万方平台首次上网日期，不代表论文的发表时间）
共8页
537-544
