论文总字数：31141字

摘 要

随着计算机互联网的快速发展，各种类型的网络应用和网络服务的数量和规模不断扩张，网络数据流量也在持续快速增加，这使得数据中心和骨干网络要处理各种不同类型的网络流量。然而目前Internet的网络结构对网络资源往往采取单一模式管理，难以适应不同类型网络流的差异化服务质量要求，而且对需求和环境的动态性适应不够。针对该问题，本文在软件定义网络环境下，通过预测流量的类型，为不同服务质量需求的流量分配合适的网络资源来提高网络的整体性能和单个业务流的服务质量，并根据不同业务的需求和当前网络的环境状况，实现动态的路由决策以及网络资源的配置。

具体来说，本文主要包括以下工作内容。

首先在SDN网络中采用基于机器学习的方法提出一种服务质量感知流量分类框架，该框架使用了Tri-Training算法的改进算法Tri-Training-Plus，能够快速识别进入SDN网络的业务流的服务质量类型。另外，该框架结合DPI技术更新训练数据集，可以对分类器进行增量更新。

另外，本文基于SDN中服务质量感知的流量分类方法进一步设计了网络资源分配框架。该框架实现了感知流量、流量分类、路由决策、网络的实时监控等功能。

论文基于公开数据集对流量类型识别算法进行了模拟测试，并在Mininet等仿真平台上搭建了网络资源分配框架。结果表明，流量类型识别算法有较好的识别精度，基于该识别算法设计的资源分配框架可以有效提高网络整体效率。

关键词：服务质量，流量分类，机器学习，分类算法

Abstract

With the rapid development of the computer Internet, the number and scale of various types of network applications and network services are continuously expanding, and network data traffic is also increasing rapidly, which makes data centers and backbone networks handle various types of network traffic. However, at present, the network structure of the Internet tends to adopt a single mode of management of network resources. It is difficult to adapt to the differentiated service quality requirements of different types of network flows, and the dynamics of the demand and the environment are insufficiently adapted. To solve this problem, in the software-defined network environment, this paper predicts the type of traffic and allocates appropriate network resources for traffic with different quality of service requirements to improve the overall performance of the network and the service quality of a single service flow, and according to the needs of different services. And the current network environment status, to achieve dynamic routing decisions and the configuration of network resources.

Specifically, this article mainly includes the following work content.

Firstly, a service quality-aware traffic classification framework is proposed in the SDN network based on machine learning. This framework uses Tri-Training-Plus, an improved algorithm of Tri-Training algorithm, to quickly identify the service quality of service flows entering the SDN network. Types of. In addition, the framework incorporates DPI technology to update training datasets, allowing incremental update of classifiers.

In addition, this paper further designs a network resource allocation framework based on traffic quality-aware traffic classification method in SDN. The framework implements functions such as sensing traffic, traffic classification, routing decisions, and real-time network monitoring.

The paper carries out a simulation test on the traffic type identification algorithm based on public data sets, and builds a network resource allocation framework on a simulation platform such as Mininet. The results show that the traffic type recognition algorithm has better recognition accuracy, and the resource allocation framework designed based on the recognition algorithm can effectively improve the overall efficiency of the network.

Keywords: service quality, traffic classification, machine learning, classification algorithm.

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 论文研究的背景与研究目的 1

1.1.1 研究背景 1

1.1.2 研究目的 2

1.2 本文主要工作 2

1.3 论文章节安排 2

第二章 网络流量分类技术研究现状 3

2.1 网络流量类型预测技术分类 3

2.2 基于端口的流量分类 4

2.3 基于载荷的流量分类 4

2.4 基于主机行为的流量分类 4

2. 基于机器学习的流量分类 5

2.5.1 基于有监督的流量分类 5

2.5.2 基于无监督的流量分类 7

2.5.3 基于半监督的流量分类 8

2.6 本章小结 8

第三章 QoS感知的网络流量分类 9

3.1 现有流量分类方法的不足 9

3.2 QoS感知的流量分类 9

3.2.1 QoS感知的流量分类框架 9

3.2.2 特征空间 10

3.2.3 改进的Tri-Training算法 11

3.2.4 分类器更新 15

3.3 实验验证 15

3.3.1 数据集 16

3.3.2 评价指标 17

3.3.3 实验结果及分析 18

3.4 本章小结 21

第四章 基于QoS感知的SDN网络资源分配框架 22

4.1 QoS感知路由算法 22

4.2 资源分配框架的总体架构 23

4.3 框架实现的模拟环境 24

第五章 总结和展望 25

5.1 总结 25

5.2 展望 25

致 谢 26

参考文献 27

第一章 绪论

本章在阐明论文研究背景的基础上介绍本文的研究目的和主要工作内容，并概述全文总体结构。

1.1 论文研究的背景与研究目的

研究背景

近年来，互联网技术飞速发展，人们的日常学习和生活已经越来越离不开互联网。就我国而言，中国互联网络信息中心（CNNIC）发布第41次《中国互联网络发展状况统计报告》时显示，截至2017年12月，我国网民规模达7.72亿，全年共计新增网民4074万人。互联网普及率为55.8%。

当然，互联网的发展不能仅仅通过网民的数量和普及率来看，我们从另外一个角度思考这个问题，那就是网络流量。网络的发展还体现在互联网的数据流量持续高速增长、网络应用种类多样化等方面。这是一把双刃剑，一方面，政府、企业和普通用户每天产生的成千上万网络应用流量大大丰富和便捷了人们的生活，比如聊天软件（QQ、微信）、网络直播（斗鱼、虎牙）、移动支付（支付宝、蚂蚁花呗）；另一方面，网络带宽消耗也急剧增加，网络病毒（WannyCry,Petya等）大肆传播，给整个网络的运营管理带来了巨大的困难。

剩余内容已隐藏，请支付后下载全文，论文总字数：31141字