一种基于本体的并行网络流量分类方法与流程

技术特征：

1.一种基于本体的并行网络流量分类方法，其特征在于，包括如下步骤：

（1）参数的设定

令N_i(1≤i≤n)表示第i个网络节点ID，IP_i表示第i个网络节点的IP，I_i表示第i个网络节点的相关信息，F_j(1≤j≤m)表示第j条网络流量标识，O_j表示第j条网络流量的本体，M_NF表示从网络节点流量数据到网络流量的映射，R_FO表示从网络流量到网络流量本体的映射；

（2）启动对应函数

根据每个网络节点启动对应的Map函数，其中，每个Map函数以键值对<N_i， IP_i>作为输入；

（3）传入结果

Map函数根据IP_i操作网络节点，收集网络节点相关信息I_i，并调用网络流量采集工具捕获网络数据包，然后将采集到的所有资源传入Combiner中间结果；

（4）信息整合成网络流量

Combiner根据过滤规则提取所需网络流量信息，并将数据包整合成网络流量F_j，以键值对<I_i，F_j>的形式传给Reduce函数，此时，传向Reduce函数的每个键值对就对应着一条完整的网络流量信息；

（5）自定位

Reduce函数根据接收到的键值对计算流量统计特征，并用本体语言OWL做统一资源描述，借助本体建模工具Protégé的API，完成网络流量本体的构建；

（6）流量分类

接着分析网络流量本体的内部结构，将其转换成知识推理的规则集形式，然后将本体流量实例和规则集一并输入并行知识推理引擎，得出分类结果。

2.按照权利要求1所述的一种基于本体的并行网络流量分类方法，其特征在于：所述步骤（6）中并行知识推理引擎是采用Map Reduce作为并行处理技术。

3.按照权利要求2所述的一种基于本体的并行网络流量分类方法，其特征在于：所述Map Reduce作为并行处理技术构建了基于Map Reduce的网络流量本体构建模型。

4.按照权利要求1所述的一种基于本体的并行网络流量分类方法，其特征在于：所述步骤（6）中并行知识推理的实现步骤为：

①根据每个计算节点的性能以及网络流量本体中所描述的网络流量实例的数据规模，对已构建好的网络流量本体进行分割，得到多个网络流量本体分片O_j，将网络流量本体分片上传至Hadoop分布式文件系统，并对每一个网络流量本体分片中描述的网络流量实例标记为FI_l，以键值对<FI_l，O_j>作为Map函数的输入；

②启动多个Map函数并行地调用Jena推理机，利用规则集S

中的各条规则对网络流量本体分片O_j中描述的与网络流量实例FI_l有关的各种信息进行知识推理，得出FI_l的类标签Lk，将<Lk，FI_l>作为键值对输出到Reduce函数；

③Reduce函数根据L_k按类型合并F_j，形成已分类流量集C_k，至此完成流量本体集到已分类流量集的映射MR_OC。

5.按照权利要求4所述的一种基于本体的并行网络流量分类方法，其特征在于：所述并行知识推理的实现步骤的前提是参数的设定。

6.按照权利要求5所述的一种基于本体的并行网络流量分类方法，其特征在于：所述参数的设定为令Oj(1≤j≤n)表示第j个网络流量本体分片，FI_l(1≤l≤p)表示第l个网络流量实例标识(对应于第l条网络流量Fl)，S表示推理引擎中的规则集，L_k(1≤k≤m)表示第k类

(指应用类别)流量标签，C_k表示第k类已分类流量集。