超级会员免费看
网络流量分类与无线传感器网络事件边界估计研究
1. 网络流量分类分析
1.1 相关工作
流量分类是识别网络中不同协议和应用的首要方法。随着互联网流量的增加，对更准确、高效的流量分类方法的需求也日益增长，以提升网络性能。以下是一些常见的流量分类方法：
- 深度包检测（DPI） ：这是一种数据包过滤技术，在数据包传输过程中检查其信息内容或头部。它可以决定数据包是否通过、是否需要路由到不同路径，以及是否需要进一步检查协议合规性、入侵、垃圾邮件和病毒等。DPI 是验证协议和识别 IP 传输应用的主要技术，但在流量整形和行为定向方面存在一些问题。
- 传统分类方法 ：
- 基于端口号和应用类型 ：根据端口号和应用类型进行分类。
- 基于应用层 ：从应用层的角度进行分类。
- 基于监督学习 ：如 k - 最近邻（k - NN）、判别分析（DA）和支持向量机（SVM）。
- 聚类算法 ：包括 K - 均值、基于密度的带噪声空间聚类（DBSCAN）和自动分类等算法，但这些算法都存在一些性能问题和缺点。
1.2 流量分类模型
OMNeT++ 是一个用 C++ 编写的离散事件模拟器，具有以下特点：
- 参数用途 ：模块参数主要用于定制模型行为、作为共享变量进行模块通信以及创建灵活的模型拓扑。
- 模块执行
订阅专栏 解锁全文
扫一扫
554
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
