题目：基于SDN架构的网络流量分类技术研究与实现

随着移动互联网的兴起，移动设备的功能和便携性较之前有巨大的革新，用户逐渐习惯在这样的设备上使用各种应用。移动应用和其他技术如云计算，内容分发网络等技术结合，使得移动应用的识别变得越来越复杂。传统基于深度包检测的流量分类系统无法动态适应网络状态变化。而当前基于机器学习技术的流量分类系统，受限于传统网络架构以及数据转发设备，无法快速的对流量进行在线分类。软件定义网络SDN将数据转发与路由控制分离，控制器对未知流量进行分类，支持openflow的交换机负责已识别流量的转发，从而达到较高的流量转发性能。

论文研究分析了拥有多重行为模式的移动应用流量在聚类后的特点，然后提出了一种基于应用簇集的最近邻流量分类算法，为了进一步提高控制器的分类性能，改进了floodlight控制器串行处理分组的流程，实现了基于控制器的并行流处理算法，最后，基于floodlight控制器，将分类结果下发到交换机中，设计实现了基于SDN的流量分类系统。论文的研究内容包括了以下几个方面：

研究分析了基于半监督的流量分类方法，分析了拥有多重行为模式的移动应用流量聚类特点，利用应用的簇类质心集合表征应用，设计并实现了基于应用簇集的最近邻流量分类算法。实验结果表明常用的移动应用分类准确率达到了94%左右。

研究分析了基于floodlight控制器的流量分类算法，在分析了基本生产者消费者算法的基础上，结合控制器的特点，改进了生产者消费者算法，设计并实现了基于控制器的流量分类算法。算法性能比基于经典的流量分类算法提高了18.9%，在Tilera 36核的性能比9核高出大约44%。实验验证了可以通过增加核数提高系统的处理性能。

设计并实现了基于SDN的网络流量分类SDNTC系统。系统主要分为两部分：离线训练模块和在线流量分类模块。在线流量分类模块分为流量预处理模块，在线分类模块和流表下发模块。离线训练模块负责分类模型的学习；流量预处理模块负责提取流的特征向量供在线分类模块分类使用，流表下发模块负责将分类结果转化成流表项下发到交换机中。