基于流量行为特征的网络异常稳定识别仿真

异常行为识别是保证网络安全运行不可缺少的步骤,但异常行为识别过程易受噪声流量、网络性能、冗余信号的干扰。为了解决上述问题,提出基于流量行为特征的网络异常行为识别方法。采用提升小波变换法剔除网络流量中的噪声,避免识别过程受到噪声干扰,采用矢量量化技术与主题模型提取流量行为特征,将提取的特征输入到支持向量机模型中,利用支持向量机的二分类特性实现特征的分类,完成网络异常行为的识别。实验结果表明,所提方法的异常识别精度高,且AUC-PR数值比较稳定,说明其在识别过程中不受噪声数据的影响。

基于聚类和流量传播图的P2P流量识别方法

为有效监管网络,快速精确识别P2P流量,通过分析P2P网络流量中节点与节点、节点与链路之间的交互和行为特征,将聚类方法与流量传播图方法相结合,提出了一种基于网络行为特征的P2P流量识别方法。该方法首先通过采集网络流的包级和流级统计特征对不同种类的网络应用的流量进行聚类,然后利用流量传播图对P2P流量进行识别。实验结果表明,提出的方法在骨干网络数据上能够有效识别P2P网络应用流量,F 1-measure达到95%以上。