[发明专利]一种基于混合高斯的SDN流聚类方法

权利要求书

1.一种基于混合高斯的SDN流聚类方法，其特征在于包括以下步骤；

步骤S1：对原始SDN数据进行五元组记录，并且采用KMeans聚类算法，完成SND数据流与用户之间的映射关系；

步骤S2：利用高斯混合模型GMM以及公式对SDN数据流的概率密度分布进行估计，其中K为高斯模型的个数，a_i为第i个高斯模型的权重，p_i(x|θ_i)为第i个高斯模型的概率密度函数，所述p_i(x|θ_i)的均值为μ_k，方差为σ^k；θ_i＝(μ_i,∑_i)，μ_i,∑_i为待求解的数据生成模型的参数；

步骤S3：采用流持续时间、数据包数量、流大小、数据包大小、数据包间隔时间作为SDN流向量属性，通过边信息获得SDN流等价集；

步骤S4：对高斯混合模型GMM的数据生成模型进行调整；

步骤S5：采用must-link成对点约束和cannot-link成对点约束来辅助聚类；

其中，所述的五元组包括源IP、源端口、目标IP、目标端口以及协议；

其中，所述步骤S4具体包括以下步骤：

步骤S41：将SDN流边信息的取值空间表示为其中，Y＝{y₁,…,y_i,…,y_N}，y_i表示第i个数据点的聚类中心，表示在第s个等价集中第i个数据点的聚类中心，Y_s表示第s个等价集X_s的概率分布，X_s包含N_s条数据流，所有等价集包含的数据条数x＝{x₁,…x_N}表示N条数据流，X＝{X₁,…X_M}表示M个等价集，X_s是X₁至X_M中的其中一个等价集，y_i∈{1,…,K}，K为聚类中心的个数；

步骤S42：建立基于约束最大化的log-likelyhood function：根据数据生成模型得到边缘概率分布为：

$P\left(y\right|X,y\∈\mathrm{\Ω},{\mathrm{\θ}}^g)=\frac{P(y\∈\mathrm{\Ω}|X,y,{\mathrm{\θ}}^g)P\left(y\right|X,{\mathrm{\θ}}^g)}{P(y\∈\mathrm{\Ω}|X,{\mathrm{\θ}}^g)}=\frac{\underset{s=1}{\overset{M}{\Π}}{\mathrm{\δ}}_{Y_S}P\left(Y_S\right|X_S,{\mathrm{\θ}}^g)}{\underset{Y_1}{\Σ}\mathrm{...}\underset{Y_M}{\Σ}\underset{j=1}{\overset{M}{\Π}}{\mathrm{\δ}}_{Y_j}P\left(Y_j\right|X_j,{\mathrm{\θ}}^g)},$

其中θ^g是当前参数估计，θ是迭代计算后的参数估计，X表示等价集，Y为等价集在各个聚类中心点的分布概率，y＝y_i，a_YS表示每一个聚类中心的先验概率；其中，E表示求数学期望；

步骤S43：将log-likelyhood function简化为其中，每一个等价集的后验概率计算定义如下：其中为当前l类的权重，表示当前参数估计下x的概率，为等价集X_s的元素，表示旧的参数估计，θ_l表示新的参数估计，l表示第l的聚类中心；

步骤S44：使用带约束的最大似然估计的方法求解数据生成模型的参数，使得Q^C(θ,θ^g)的取值最大化；其中其中表示等价集X_s的元素；