面向应用行为的网络流量识别关键技术研究的开题报告.docx

面向应用行为的网络流量识别关键技术研究的开题报告
一、选题背景
随着网络技术的发展，我们的生活和工作方式都变得越来越依赖于网络。四大运营商发布的数据显示，我国截至2021年6月底，全国移动互联网用户规模达到11.63亿，互联网普及率已超过60%。而在这样一个庞大的网络系统中，网络流量识别技术成为了网络安全的关键所在。网络流量识别技术能够对网络中的数据包进行分类和识别，从而判断是否为正常流量或是恶意流量，以达到监测、预警和防御网络攻击的目的。
然而，网络中的应用已经日渐复杂，且不断涌现，传统的网络流量识别方法已经无法顺利满足对网络流量的识别需求。所以，如何针对这些新兴应用，进行面向应用行为的网络流量识别，成为了网络安全领域中的重要研究方向。
二、选题意义
1.加强网络安全防护
网络流量识别技术可以对网络中的数据包进行监测，对恶意攻击进行识别和防御。通过此技术对攻击流量进行拦截，有效地减小网络安全事件的影响程度。
2.为网络管理提供精细化的监测手段
准确识别网络流量，不仅可以对网络安全进行更为精细化的管理，并且可以根据不同的网络使用需求，进行相应的流量统计和控制，从而实现最佳网络资源利用。
3.推动云计算、物联网等新技术的应用发展
随着云计算、物联网等新兴技术的发展，网络中的应用数量急剧增长，如何应对这些新技术的挑战，需要提出更高效、更智能的网络流量识别技术以支持这些新应用。面向应用行为的网络流量识别技术能够更好地适应不断增长和变化的应用环境，从而推动这些新技术的应用发展。
三、研究内容
本次研究将聚焦于面向应用行为的网络流量识别这一关键技术，研究内容将包括以下几个方面：
1.数据采集方法的选取
数据采集是识别网络流量的基础，本研究将对常见的数据采集方法进行分析，并选取一种适合于面向应用行为的网络流量识别算法的数据采集方法。
2.流量特征提取算法的设计
面向应用行为的网络流量识别需要提取与应用相关的流量特征，本研究将针对不同的应用特点，设计不同的流量特征提取算法，并对比其性能差异。
3.流量分类和识别算法的研究
本研究将通过深度学习算法，建立一个应用行为分类和识别模型。在此基础上，本研究将对该模型进行优化调整，提高网络流量识别的准确度和稳定性。
4.系统性能的测试与评估
本研究将建立一套实验环境，对所设计的面向应用行为的网络流量识别算法进行测试和评估，以验证其在精度、效率等方面的性能表现。
四、研究方法
本研究将采用理论研究和实验验证相结合的方法，通过对现有开源网络流量识别技术的分析和实验对比，选择适合的算法和数据采集方法，设计流量特征提取和分类识别算法，构建实验环境，然后通过对实验结果的统计和分析，评估所提出的算法方案是否达到了最优的效果。
五、创新点
1.面向应用行为的网络流量识别算法
本研究旨在解决网络流量识别领域面临的新挑战，将突破传统基于端口和协议的网络流量识别方法，针对不同的应用行为，设计相应的流量特征提取和分类识别算法，使得网络安全扫描工具和攻击者的攻击行为都无法逃过网络管理员的监测和识别。
2.实验环境构建
为了验证算法的优良性，本研究将建立一套实验环境，模拟不同的网络环境条件，并对所提出的面向应用行为的网络流量识别算法，进行性能测试与评估，从而确定其可行性和实际效果。
六、可行性分析
1.现有技术支持好
随着机器学习和深度学习技术的不断发展，能够支持面向应用行为的网络流量识别算法的技术层出不穷。
2.实验环境硬件设施具备
实验所需的硬件设施和软件系统都已经全面普及并供应市场，具备充分可操作性。
3.数据集来源充足可靠
本研究将使用公开的流量数据集，确保数据来源的可信和严谨性。
七、参考文献
[1]祝晓彤,何秋斌.基于深度学习的网络流量识别方法[J].计算机学报,2017,6(1):78-90.
[2]肖欢,张贻锟,黄娓.基于深度学习的网络流量识别技术研究[J].小型微型计算机系统,2019,10(2):305-309.
[3]谦斌,李长仁.改进的FCM算法在应用层网络流量分类中的应用[J].计算机与数字工程,2018,5(12):3497-3505.
[4]李德进.局域网内常见网络流量识别[J].物联网,2019,(06):31-32+41.
[5]郑敏.主机网络行为分析与基于内容的应用流量识别技术研究[D].南京大学,2018.