[发明专利]一种基于BP神经网络进行流量识别的方法

权利要求书

1.一种基于BP神经网络的网络应用实时识别方法，包括BP神经网络的离线训练和在线实时识别两部分，该方法包括以下步骤：

BP神经网络的离线训练部分：

步骤1：在不同网络状况和不同时间段对网络流量进行抓包采集；

步骤2：获取样本集，对网络数据包的包数、包长、IP地址、传输协议以及上下行流量比进行统计；

步骤3：在获取的样本集中进行抽样，得到网络应用正常运行的样本；

步骤4：获取特征值，根据时间窗口法，从任意时间点开始，设定一段时间，根据该段时间内连续采集的网络流量与平均值的偏离程度，将高于平均值1.6倍的流量称为“峰值区”，处于平均值0.6～1.4倍区间的流量称为“稳定区”，由此时间段内的网络流量生成多种特征值；

步骤5：采用粒子群算法优化初始化权值，用BP神经网络的方法对得到的特征值进行训练学习，生成训练样本集；

BP神经网络的网络应用在线实时识别部分：

步骤1：在不同网络状况和不同时间段对网络流量进行采集；

步骤2：获取样本集，对网络数据包的包数、包长、IP地址、传输协议以及上下行流量比进行统计；

步骤3：采用BP神经网络的离线训练部分的步骤(4)相同的方法生成多种特征值；

步骤4：将特征值作为BP神经网络的输入，根据样本训练集的结果进行分类识别从而得到识别结果。

2.如权利要求1所述的基于BP神经网络的网络应用实时识别方法，其特征是：离线训练部分的步骤4和在线实时识别部分的步骤3中的多种特征值包括：下行包数，上行包数，下行数据量，上行数据量，下、上行包数比，下、上行数据量比，下、上行包数方差比，下、上行数据量方差比，下行中大数据量的IP数目，峰值区内数据量的比重，稳定区内样本数目的比重。