一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)的制作方法
【專利摘要】本實用新型涉及一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，該系統(tǒng)分為三個階段：樣本的獲取階段、支持向量機(jī)處理階段、控制響應(yīng)階段，共包括五個模塊：網(wǎng)絡(luò)連接的信息處理模塊、數(shù)據(jù)的預(yù)處理模塊、支持向量機(jī)的訓(xùn)練模塊、支持向量機(jī)的分類模塊和校正模塊。本實用新型將將小波分析中多尺度的學(xué)習(xí)方法和支持向量機(jī)的優(yōu)點結(jié)合起來，通過小波分析與支持向量機(jī)方法的緊致結(jié)合，引入小波基函數(shù)來構(gòu)造支持向量機(jī)的核函數(shù)，建立小波支持向量機(jī)的對等識別算法，此模型能夠多尺度的使支持向量機(jī)對識別對等流量樣本逼近，自適應(yīng)處理對等流量的非線性變化特征，直至達(dá)到要求的精度，而且計算量沒有顯著增加，具有良好的識別效果。
【專利說明】—種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本實用新型涉及一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，屬于對等網(wǎng)絡(luò)【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]目前，在真實網(wǎng)絡(luò)環(huán)境中的對等網(wǎng)絡(luò)流量，無論從宏觀上還是微觀上都呈現(xiàn)出非常明顯的自相似性、突變性、多尺度的特性，這些復(fù)雜的特性使得一些傳統(tǒng)意義上的識別模型已經(jīng)不能將對等網(wǎng)絡(luò)流量進(jìn)行有效的識別，根據(jù)對等網(wǎng)絡(luò)流量的特征進(jìn)行多種識別方法的組合雖然從一定的程度上能提高對等網(wǎng)絡(luò)流量的識別率。但是，在提高識別率的同時，其計算的復(fù)雜度越來越高，所需要的識別時間也越來越長，設(shè)計的模型不能滿足實時性的需求。
[0003]支持向量機(jī)作為針對有限樣本的機(jī)器學(xué)習(xí)方法，已經(jīng)在流量識別研究領(lǐng)域受到了非常廣泛的重視，它是基于結(jié)構(gòu)風(fēng)險最小化原理，通過解決凸二次優(yōu)化問題得到全局最優(yōu)解，其具有較高的推廣能力和魯棒性，但是支持向量機(jī)只是在一個尺度上對樣本數(shù)據(jù)進(jìn)行分類，對多尺度樣本的逼近性能并不能令人滿意。
實用新型內(nèi)容
[0004]本實用新型的目的在于提供一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，此模型能夠多尺度的使支持向量機(jī)對識別對等流量樣本逼近，自適應(yīng)處理對等流量的非線性變化特征，直至達(dá)到要求的精度，而且計算量沒有顯著增加，具有良好的識別效果。
[0005]為了實現(xiàn)上述目的，本實用新型的技術(shù)方案如下。
[0006]一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，支持向量機(jī)解決樣本的二分類問題具有卓越的分類性能，主要對網(wǎng)絡(luò)流量進(jìn)行二分類，也就是將常見的網(wǎng)絡(luò)流量歸結(jié)為非對等流量，將對等流量和非對等流量進(jìn)行有效的識別，不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)分為三個階段:樣本的獲取階段、支持向量機(jī)處理階段、控制響應(yīng)階段，該系統(tǒng)包括五個模塊:網(wǎng)絡(luò)連接的信息處理模塊、數(shù)據(jù)的預(yù)處理模塊、支持向量機(jī)的訓(xùn)練模塊、支持向量機(jī)的分類模塊和校正模塊。網(wǎng)絡(luò)連接的信息處理模塊輸出端與數(shù)據(jù)的預(yù)處理模塊輸入端相連接，處于樣本的獲取階段；數(shù)據(jù)的預(yù)處理模塊輸出端與支持向量機(jī)的訓(xùn)練模塊輸入端連接，支持向量機(jī)的訓(xùn)練模塊輸出端與支持向量機(jī)的分類模塊輸入端相連接，處于支持向量機(jī)處理階段，校正模塊連接在分類模塊和數(shù)據(jù)的預(yù)處理模塊之間。上述各模塊的主要功能和工作流程如下:
[0007](I)網(wǎng)絡(luò)的連接信息模塊:此模塊是在樣本獲取階段進(jìn)行處理的，主要完成采集的網(wǎng)絡(luò)流量的網(wǎng)絡(luò)連接特征，對特征信息進(jìn)行提取，并且將特征信息轉(zhuǎn)變?yōu)榫W(wǎng)絡(luò)連接記錄的形式，初始提取的不同的特征值都包括在每條記錄中。
[0008](2)數(shù)據(jù)預(yù)處理模塊:連接信息模塊的連接記錄是在預(yù)處理模塊中進(jìn)行處理的。從連接信息處理模塊中得到的網(wǎng)絡(luò)連接的相關(guān)信息包含了各種各樣的信息，這些信息既有文字信息也有數(shù)字信息，這些信息有的變化閾值比較大，有的變化閾值比較小，像有些信息僅包含O，I等數(shù)字信息，預(yù)處理模塊就是對所有的特征數(shù)據(jù)進(jìn)行歸一化處理，使其范圍僅在0-1之間的數(shù)值，然后將這些數(shù)值作為支持向量機(jī)的輸入向量進(jìn)行處理。
[0009](3)支持向量機(jī)的訓(xùn)練模塊:訓(xùn)練模塊對預(yù)處理模塊的樣本進(jìn)行處理，訓(xùn)練方式有兩種:監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)是將訓(xùn)練數(shù)據(jù)集中的樣本數(shù)據(jù)均進(jìn)行標(biāo)記，非監(jiān)督學(xué)習(xí)不進(jìn)行標(biāo)記，也就是沒有給出分類的類別信息。經(jīng)過支持向量機(jī)的訓(xùn)練，將會得到一組支持向量，然后存入數(shù)據(jù)庫中。
[0010](4)支持向量機(jī)分類模塊:該模塊存貯了支持向量機(jī)對樣本進(jìn)行訓(xùn)練后得到的支持向量庫，用于對樣本的分類，二分類結(jié)果還可以用于支持向量機(jī)的多值分類，這里僅考慮二分類的問題。
[0011](5)校正模塊:傳統(tǒng)的支持向量機(jī)，完成訓(xùn)練和分類的過程是一次完成的，這種模式已經(jīng)不能適應(yīng)不斷變化的網(wǎng)絡(luò)數(shù)據(jù)信息，引入校正模塊可以對支持向量機(jī)的訓(xùn)練器進(jìn)行不定期的調(diào)整，適應(yīng)網(wǎng)絡(luò)數(shù)據(jù)信息的變化，提高訓(xùn)練器的效果，使得訓(xùn)練器產(chǎn)生的分類模型更加適合分類器的使用，進(jìn)而提高識別的精確度。
[0012]該實用新型的有益效果在于:本實用新型將將小波分析中多尺度的學(xué)習(xí)方法和支持向量機(jī)的優(yōu)點結(jié)合起來，通過小波分析與支持向量機(jī)方法的緊致結(jié)合，引入小波基函數(shù)來構(gòu)造支持向量機(jī)的核函數(shù)，建立小波支持向量機(jī)的對等識別算法，此模型能夠多尺度的使支持向量機(jī)對識別對等流量樣本逼近，自適應(yīng)處理對等流量的非線性變化特征，直至達(dá)到要求的精度，而且計算量沒有顯著增加，具有良好的識別效果。
【專利附圖】

【附圖說明】
[0013]圖1是本實用新型實施例中支持向量機(jī)的對等流量識別模型框圖。
【具體實施方式】
[0014]下面結(jié)合附圖對本實用新型的【具體實施方式】進(jìn)行描述，以便更好的理解本實用新型。
[0015]如圖1所示的不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，分為三個階段:樣本的獲取階段、支持向量機(jī)處理階段、控制響應(yīng)階段，該系統(tǒng)包括五個模塊:網(wǎng)絡(luò)連接的信息處理模塊、數(shù)據(jù)的預(yù)處理模塊、支持向量機(jī)的訓(xùn)練模塊、支持向量機(jī)的分類模塊和校正模塊。網(wǎng)絡(luò)連接的信息處理模塊輸出端與數(shù)據(jù)的預(yù)處理模塊輸入端相連接，處于樣本的獲取階段；數(shù)據(jù)的預(yù)處理模塊輸出端與支持向量機(jī)的訓(xùn)練模塊輸入端連接，支持向量機(jī)的訓(xùn)練模塊輸出端與支持向量機(jī)的分類模塊輸入端相連接，處于支持向量機(jī)處理階段，校正模塊連接在分類模塊和數(shù)據(jù)的預(yù)處理模塊之間。上述各模塊的主要功能和工作流程如下:
[0016](I)網(wǎng)絡(luò)的連接信息模塊:此模塊是在樣本獲取階段進(jìn)行處理的，主要完成采集的網(wǎng)絡(luò)流量的網(wǎng)絡(luò)連接特征，對特征信息進(jìn)行提取，并且將特征信息轉(zhuǎn)變?yōu)榫W(wǎng)絡(luò)連接記錄的形式，初始提取的不同的特征值都包括在每條記錄中。
[0017](2)數(shù)據(jù)預(yù)處理模塊:連接信息模塊的連接記錄是在預(yù)處理模塊中進(jìn)行處理的。從連接信息處理模塊中得到的網(wǎng)絡(luò)連接的相關(guān)信息包含了各種各樣的信息，這些信息既有文字信息也有數(shù)字信息，這些信息有的變化閾值比較大，有的變化閾值比較小，像有些信息僅包含O，I等數(shù)字信息，預(yù)處理模塊就是對所有的特征數(shù)據(jù)進(jìn)行歸一化處理，使其范圍僅在0-1之間的數(shù)值，然后將這些數(shù)值作為支持向量機(jī)的輸入向量進(jìn)行處理。
[0018](3)支持向量機(jī)的訓(xùn)練模塊:訓(xùn)練模塊對預(yù)處理模塊的樣本進(jìn)行處理，訓(xùn)練方式有兩種:監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)是將訓(xùn)練數(shù)據(jù)集中的樣本數(shù)據(jù)均進(jìn)行標(biāo)記，非監(jiān)督學(xué)習(xí)不進(jìn)行標(biāo)記，也就是沒有給出分類的類別信息。經(jīng)過支持向量機(jī)的訓(xùn)練，將會得到一組支持向量，然后存入數(shù)據(jù)庫中。
[0019](4)支持向量機(jī)分類模塊:該模塊存貯了支持向量機(jī)對樣本進(jìn)行訓(xùn)練后得到的支持向量庫，用于對樣本的分類，二分類結(jié)果還可以用于支持向量機(jī)的多值分類，這里僅考慮二分類的問題。
[0020](5)校正模塊:傳統(tǒng)的支持向量機(jī)，完成訓(xùn)練和分類的過程是一次完成的，這種模式已經(jīng)不能適應(yīng)不斷變化的網(wǎng)絡(luò)數(shù)據(jù)信息，引入校正模塊可以對支持向量機(jī)的訓(xùn)練器進(jìn)行不定期的調(diào)整，適應(yīng)網(wǎng)絡(luò)數(shù)據(jù)信息的變化，提高訓(xùn)練器的效果，使得訓(xùn)練器產(chǎn)生的分類模型更加適合分類器的使用，進(jìn)而提高識別的精確度。
[0021]以上所述是本實用新型的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本【技術(shù)領(lǐng)域】的普通技術(shù)人員來說，在不脫離本實用新型原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也視為本實用新型的保護(hù)范圍。
【權(quán)利要求】
1.一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，其特征在于:該系統(tǒng)分為三個階段:樣本的獲取階段、支持向量機(jī)處理階段、控制響應(yīng)階段，該系統(tǒng)包括五個模塊:網(wǎng)絡(luò)連接的信息處理模塊、數(shù)據(jù)的預(yù)處理模塊、支持向量機(jī)的訓(xùn)練模塊、支持向量機(jī)的分類模塊和校正模塊，所述網(wǎng)絡(luò)連接的信息處理模塊輸出端與數(shù)據(jù)的預(yù)處理模塊輸入端相連接，處于樣本的獲取階段；所述數(shù)據(jù)的預(yù)處理模塊輸出端與支持向量機(jī)的訓(xùn)練模塊輸入端連接，所述支持向量機(jī)的訓(xùn)練模塊輸出端與支持向量機(jī)的分類模塊輸入端相連接，處于支持向量機(jī)處理階段；所述校正模塊連接在分類模塊和數(shù)據(jù)的預(yù)處理模塊之間。
2.根據(jù)權(quán)利要求1所述的一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，其特征在于:所述網(wǎng)絡(luò)的連接信息模塊是在樣本獲取階段進(jìn)行處理的，主要完成采集的網(wǎng)絡(luò)流量的網(wǎng)絡(luò)連接特征，對特征信息進(jìn)行提取。
3.根據(jù)權(quán)利要求1所述的一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，其特征在于:所述數(shù)據(jù)預(yù)處理模塊對所有的特征數(shù)據(jù)進(jìn)行歸一化處理，使其范圍僅在0-1之間的數(shù)值，然后將這些數(shù)值作為支持向量機(jī)的輸入向量進(jìn)行處理。
4.根據(jù)權(quán)利要求1所述的一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，其特征在于:所述支持向量機(jī)的訓(xùn)練模塊對預(yù)處理模塊的樣本進(jìn)行處理，訓(xùn)練方式有兩種:監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。
5.根據(jù)權(quán)利要求1所述的一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，其特征在于:所述支持向量機(jī)分類模塊貯了支持向量機(jī)對樣本進(jìn)行訓(xùn)練后得到的支持向量庫，用于對樣本的分類。
6.根據(jù)權(quán)利要求1所述的一種不可分小波支持向量機(jī)的對等網(wǎng)絡(luò)流量識別系統(tǒng)，其特征在于:所述校正模塊對支持向量機(jī)的訓(xùn)練器進(jìn)行不定期的調(diào)整，適應(yīng)網(wǎng)絡(luò)數(shù)據(jù)信息的變化，提高訓(xùn)練器的效果。
【文檔編號】H04L29/08GK203596829SQ201320745362
【公開日】2014年5月14日 申請日期:2013年11月25日 優(yōu)先權(quán)日:2013年11月25日
【發(fā)明者】王春枝, 徐慧, 宗欣露, 王淑平, 熊磊, 張會麗, 王明威, 劉曉娟, 夏勇 申請人:湖北工業(yè)大學(xué)