基于ELM的网络流量分类及可视化研究

陈幸如， 魏书宁

(湖南师范大学 信息科学与工程学院,湖南 长沙 410081)

近代社会，由于科技的迅速发展，互联网的使用越来越普遍，使用范围越来越广，随着互联网的普及，大数据的云分布式处理技术成熟地发展，网络应用多元化已成为趋势。网络流量激增并且呈现多样化给网络管理带来挑战和压力，提高了网络流量管理的难度。网络流量分类在维持网络高效运行、预测网络服务类型和维护网络安全等许多方面发挥着越来越重要的作用。在TCP/IP协议中，端口号是应用程序识别通信的服务器和客户端的手段。源端口和目的端口皆为十六位的非负整数，它的范围是1至65535。一个客户端想要与服务器进行通信，需要一个端口号用来发送服务请求从服务器获得所需服务。根据LANA定制的知名端口号和注册端口号列表，LANA管理局规定的通信机制进行网络流量识别是基于端口网络流量识别技术的本质。传统的基于端口号以及网络载荷[1]的网络流量分析有其自身局限性和许多不可靠的因素，例如流行的P2P等新型网络应用利用随机，动态端口进行通信；还有一些采用隧道协议封装技术的应用。这些措施使得传统的网络流量分类方法失灵。不断更新发展的网络应用使利用端口进行网络流量分类技术的短板逐渐暴露。为了克服这些不足，已经应用在众多领域的机器学习方法引起了众人的关注[2][3][4]，机器学习[5][6]不依赖于端口号匹配和协议的解析，利用流特征对网络流量数据进行分类[7]。……