文献类型：期刊文章

作　　者：刘翼[1,2] 嵩天[1] 廖乐健[1]

LIU Yi;SONG Tian;LIAO Le-jian(School of Computer Science,Beijing Institute of Technology,Beijing 100081,China;Network Information Center,Yan＇an University,Yan＇an,Shaanxi 716000,China)

机构地区：[1]北京理工大学计算机学院,北京100081 [2]延安大学网络信息中心,陕西延安716000

出　　处：《北京理工大学学报》

基　　金：国家自然科学基金资助项目(61672101;61751217;U1636119);陕西省教育厅科研计划项目(14JK1825);延安市科技攻关资助项目(2014KG-09)

年　　份：2018

卷　　号：38

期　　号：5

起止页码：537-544

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、RCCSE、RSC、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：移动互联网的快速发展,产生了网络测量、网络安全和服务质量等方面的新问题.为了深入研究移动互联网的特性,研究人员需要从传统网络流量中快速准确分类出移动流量.本文提出了一种采用轻量级流表与深度数据包检测技术(DPI)相结合的移动流量实时分类方法,将网络流按照时间间隔关系扩展为时序流,并通过DPI时序流前N个特征数据包准确地分类出移动流量,缩减了流表规模,减少了实际DPI开销.通过实时的网络流量实验表明,DPI时序流前8个特征数据包时,提出的方法识别准确率达到91.55%,单次深度数据包检测的平均开销为20个数据包,并且流表的规模缩减到原来的0.21%.与P0F比较,方法识别准确率等性能有明显提升.

关 键 词：流量分类  移动流量  深度数据包检测  实时  HTTP协议

分 类 号：TP393]