[发明专利]一种基于BP神经网络进行流量识别的方法有效
申请号: | 201410382172.X | 申请日: | 2014-08-06 |
公开(公告)号: | CN104144089A | 公开(公告)日: | 2014-11-12 |
发明(设计)人: | 刘琚;王晓明;郑丽娜;彭寿钧;郭志鑫;马衍庆;孙国霞 | 申请(专利权)人: | 山东大学 |
主分类号: | H04L12/26 | 分类号: | H04L12/26 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 李健康 |
地址: | 250100 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 bp 神经网络 进行 流量 识别 方法 | ||
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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410382172.X/1.html,转载请声明来源钻瓜专利网。