【摘 要】
：
目前,互联网技术飞速发展,高校校园网的建设也紧跟时代发展的脚步。然而,网络的快速发展也带来了各种安全问题,如何准确快速识别出网络流量中的异常流量成为网络流量监测与分析研究方向的重点。校园网用户数量的不断增加,校园网网络流量爆炸式地增长,对校园网络流量的监测与分析难度也大大提升,现有的校园网网络流量监测系统难以应对日益复杂的各种流量攻击方式。本文根据新时代校园网网络流量监测的需求,设计出一套集校园网
论文部分内容阅读
目前,互联网技术飞速发展,高校校园网的建设也紧跟时代发展的脚步。然而,网络的快速发展也带来了各种安全问题,如何准确快速识别出网络流量中的异常流量成为网络流量监测与分析研究方向的重点。校园网用户数量的不断增加,校园网网络流量爆炸式地增长,对校园网络流量的监测与分析难度也大大提升,现有的校园网网络流量监测系统难以应对日益复杂的各种流量攻击方式。本文根据新时代校园网网络流量监测的需求,设计出一套集校园网网络流量监测与检测异常流量为一体的基于机器学习的校园网网络流量监测与分析系统。本文主要工作如下:综合分析各种数据采集技术的优劣,本文最终选用NetFlow（思科流量采集协议）技术的基础上设计了测量分析模块。（2）本文将Isolation Forest（孤立森林）算法和优化K-means（K均值聚类）算法的优化组合设计出一套算法。本文设计出先通过孤立森林算法将网络流量分成正常和异常,再通过优化K均值聚类算法细粒度将异常网络流量分类的组合算法。然后使用真实数据集KDD CUP99作为仿真流量进行试验,分析机器学习组合算法对于网络流量监测系统性能的提升。初步验证了机器学习组合算法不仅可以用较短的时间开销达到较高的检测率,还弥补孤立森林算法不能检测出异常类型的不足。（3）应用本文设计的校园网网络流量监测与分析系统在实际校园网网络中进行运行。运行结果表明,本文设计的校园网网络流量监测系统比原有系统综合性能提升了11.2%,证明本文设计的系统性能得到了提升。实验结果证明,在使用真实数据集KDD CUP99作为仿真流量输入时,平均检测率提升13%,平均误报率下降了0.36%。在一个月的系统试运行过程中,对比原系统,本文设计的系统对于异常流程的检测性能综合提高11.2%。
其他文献
随着社交媒体的飞速发展,社交网络成为人们进行信息交流的主要场所。社团结构作为社交网络的重要特性之一,研究社团结构有助于分析社团形成和网络内在特征,进而对社交网络进行控制与预测。本文研究了相互作用的双层社交网络的社团挖掘算法及其应用。结合传统社团挖掘算法,提出了两种社团挖掘算法并在某双层通信社交网络上成功应用。研究内容如下:1.基于节点相似性,提出了一种链路优化的PL(Priority Louvai
数据预测在诸多方面都有需求,但是实际使用时难度较大。当前各行业使用的数据预测方法层出不穷、各个算法的可适用范围也不相同,这给程序设计人员在使用的时候造成了较大的困难。通常需要专业的知识才可以进行数据预测的模型设计,同时还需要具备一些应用型程序设计知识,才能较成功的呈现出算法的结果。为了解决这些问题,本文将图形化编程的思想应用于基于机器学习的数据预测中,从理论和实践两方面论述如何对基于机器学习的数据
作文自动纠错任务的主要目标是利用计算机手段自动检测并纠正作文中存在的错误。国外作文自动纠错研究开展较早,已经取得了较多的研究成果,也有成功的商业应用。作文自动纠错一直是汉语智能考试的重要研究内容,但是由于问题的复杂性,汉语作文纠错问题至今没有得到很好的解决。通过本研究的开展,不仅能够满足汉语学习者的需求、减轻汉语教师的工作强度,而且对汉语考试自动化有较大的推动作用。本研究成果还能直接应用到自然语言
受限于传输带宽和硬件设备等实际条件的影响,最终在终端显示设备上呈现的图像分辨率无法满足人们的视觉需求,尤其是对于要求高清晰度高细节的医疗图像和卫星遥感领域。近年来,随着人工智能和大数据技术的高速发展,深度学习已被广泛用于图像超分辨率重构中。由于图像超分辨存在一对多的不可逆的病态问题,其本质皆在从一张或者多张低分辨率图像恢复具有丰富细节的高分辨率图像。然而当前大多数算法仅仅简单的堆叠卷积层,导致模型
人机对话系统可以使人们以自然语言同机器进行交互。作为任务型对话系统的重要组成部分,对话状态追踪是系统理解用户意图,做出对话策略的基础,其更新正确与否影响整个对话系统的性能。因此,为实现高质量的人机对话系统,对话状态追踪的研究具有重要意义。随着深度学习技术的发展,对话状态追踪研究进步显著,但仍面临以下问题:模型依赖本体进行状态追踪,但本体难以针对槽位预定义所有槽值;模型对未知槽值识别困难。本文针对以
随着大数据时代的到来,电子商务互联网公司每日会产生高达PB乃至EB的海量数据。因此,运用海量数据指导企业运营和加速产品升级、争夺市场份额,也成为了未来电子商务企业的共识。而传统数据仓库只能对关系型数据库中的GB级别的结构化数据进行简单处理,无法处理PB乃至EB级别的半结构化数据与非结构化数据。为了解决传统数据仓库面对大数据时出现的问题,本文结合当前主流的大数据技术开发了电商大数据分析系统。通过电商
随着全球信息的爆炸式增长,如何从大量的信息中获取有效信息已经变得越来越重要。在互联网高速发展的时代,Facebook、Amazon、微博、微信和抖音短视频等互联网平台的用户在不断增长,大量的用户社交和购物活动会造成信息的过载问题。个性化推荐作为信息过滤的重要手段,是解决信息过载的最有效方法之一。协同过滤算法是目前比较成熟的个性化推荐技术,其主要思想是基于用户之间或项目之间的相似性来进行推荐。然而,
随着科学水平的不断提升,多学科交叉汇聚与多技术跨界融合成为常态。重大技术难题的攻克和理论创新需要多个领域的学者共同合作完成。在浩如烟海的学术信息中如何快速匹配出与自身研究兴趣相近、科研水平相当的合作者成为了学者合作的关键问题。然而,在学术领域学者个人属性信息具有多样性、动态性、学术网络具有稀疏性等问题,致使传统的推荐算法已无法满足学术合作的个性化推荐。因此,本文使用社团划分技术和网络表示学习算法解
随着智能手机、平板电脑以及其它触屏设备的广泛使用,在多点触控设备上进行文本输入变得很常见。在触控屏上现有的输入方式是通过虚拟键盘进行的。在物理键盘上通过触摸F键和J键的凸起,普通人可以进行高效的盲打输入,盲人也可以有效地使用键盘输入。但通过触摸屏上的软键盘盲打输入却无法实现盲打输入,相对于在物理键盘上普通人的输入效率就会大大降低,对盲人来说输入操作就会变得更加困难。本文在先前关于多点触控设备上适用
图像分割技术是由图像处理到图像分析的关键步骤,也是计算机视觉研究领域中的经典难题。其中,GrabCut作为一种基于图论模型的马尔科夫随机场能量最小化图像分割算法,因其只需少量交互就能得到较好的分割结果而在彩色图像分割领域中占有重要地位。然而,GrabCut仅通过像素颜色值的差别建立模型,对噪声干扰敏感,且交互式的分割方法需要人工参与,无法广泛应用于各个领域。因此,本文的工作将围绕如何改进以上问题展