基于SVM的并行网络流量分类方法

发布时间：2018-04-16 02:30

  本文选题：网络流量分类 + 支持向量机　； 参考：《计算机工程与设计》2013年08期

【摘要】：针对SVM(support vector machine)算法应用到大规模网络流量分类中存在计算复杂度高、训练速度慢等问题,提出一种基于云计算平台进行并行网络流量分类的SVM方法,以提高对大数据集的分类训练速度。该方法是一种采用云计算平台构建多级SVM和映射规约(MapReduce)模型的方法。它将训练数据集划分为多个子训练数据集,通过对所有子训练数据集进行并行训练,得到支持向量集,进而训练出流量分类模型。实验结果表明,与传统的SVM方法相比,并行SVM网络流量分类方法在保持较高分类精度的前提下,有效地减少了训练时间,提高了大规模网络流量分类的速度。
[Abstract]:Aiming at the problems of high computational complexity and slow training speed in the application of SVM(support vector machine algorithm to large-scale network traffic classification, a SVM method for parallel network traffic classification based on cloud computing platform is proposed.In order to improve the classification of big data set training speed.This method is based on cloud computing platform to construct multilevel SVM and map reduction model.The training data set is divided into several sub-training data sets, and the support vector set is obtained by training all the sub-training data sets in parallel, and then the traffic classification model is trained.The experimental results show that compared with the traditional SVM method, the parallel SVM network traffic classification method can effectively reduce the training time and improve the speed of large-scale network traffic classification on the premise of maintaining higher classification accuracy.
【作者单位】： 桂林电子科技大学计算机科学与工程学院;桂林电子科技大学信息与通信学院;
【基金】：国家自然科学基金项目(61163058) 广西自然科学基金项目(2011GXNSFB018076)
【分类号】：TP393.06

【参考文献】

相关期刊论文 前6条

1 邱婧;夏靖波;柏骏;;基于SVM决策树的网络流量分类[J];电光与控制;2012年06期

2 徐鹏;刘琼;林森;;基于支持向量机的Internet流量分类研究[J];计算机研究与发展;2009年03期

3 刘琼;刘珍;黄敏;;基于机器学习的IP流量分类研究[J];计算机科学;2010年12期

4 许孟晋;张博锋;;基于机器学习的Internet流量分类[J];计算机应用;2010年S1期

5 彭勃;;网络流量分类算法比较研究[J];计算机与数字工程;2012年05期

6 王涛;程良伦;;基于快速SVM的大规模网络流量分类方法[J];计算机应用研究;2012年06期

【共引文献】

相关期刊论文 前10条

1 邱婧;夏靖波;柏骏;;基于SVM决策树的网络流量分类[J];电光与控制;2012年06期

2 胡婷;王勇;陶晓玲;;网络流量分类方法的比较研究[J];桂林电子科技大学学报;2010年03期

3 李平红;王勇;陶晓玲;;基于成对约束扩展的半监督网络流量特征选择算法[J];传感器与微系统;2013年05期

4 胡清桂;;一种新的8线制10/100M自适应网卡设计[J];江南大学学报(自然科学版);2011年02期

5 刘琼;刘珍;黄敏;;基于机器学习的IP流量分类研究[J];计算机科学;2010年12期

6 刘三民;孙知信;刘余霞;;基于决策树集成的P2P流量识别研究[J];计算机科学;2011年11期

7 陈伟;胡磊;杨龙;;基于载荷特征的加密流量快速识别方法[J];计算机工程;2012年12期

8 胡婷;王勇;陶晓玲;;混合模式的网络流量分类方法[J];计算机应用;2010年10期

9 许孟晋;张博锋;;基于机器学习的Internet流量分类[J];计算机应用;2010年S1期

10 李麟青;杨哲;朱艳琴;;一种混合式BitTorrent流量检测方法[J];计算机应用;2011年12期

相关博士学位论文 前2条

1 王娟;大规模网络安全态势感知关键技术研究[D];电子科技大学;2010年

2 蒋红艳;基于流量监控的网络性能优化关键技术研究[D];湖南大学;2010年

相关硕士学位论文 前10条

1 邱婷婷;基于特征进程和数据挖掘的P2P流量识别技术[D];西安电子科技大学;2011年

2 李响;基于半监督支持向量机的网络流量分类机制的研究与实现[D];北京邮电大学;2011年

3 刘冠宇;基于FCM算法的P2P流量分类研究[D];哈尔滨工业大学;2010年

4 梁敏;基于统计行为的P2P文件共享加密流量识别技术的研究[D];哈尔滨工业大学;2011年

5 张洛什;基于Cavium平台的网络流分类系统的设计与实现[D];哈尔滨理工大学;2011年

6 刘长恒;基于SVM的P2P数据流检测技术的研究[D];哈尔滨工程大学;2011年

7 袁超越;情感组块与机器学习相结合的文本倾向性分析[D];哈尔滨工程大学;2011年

8 朱超;P2P流量识别方法研究[D];大连理工大学;2011年

9 朱欣;基于数据流挖掘技术的流量识别[D];苏州大学;2011年

10 储慧琳;基于机器学习的P2P流量识别技术研究[D];解放军信息工程大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 徐鹏;刘琼;林森;;改进的对等网络流量传输层识别方法[J];计算机研究与发展;2008年05期

2 徐鹏;刘琼;林森;;基于支持向量机的Internet流量分类研究[J];计算机研究与发展;2009年03期

3 夏思宇;潘泓;金立左;;非平衡二叉树多类支持向量机分类方法[J];计算机工程与应用;2009年17期

4 王娟,慈林林,姚康泽;特征选择方法综述[J];计算机工程与科学;2005年12期

5 韩家新,何华灿;SVMDT分类器及其在文本分类中的应用研究[J];计算机应用研究;2004年01期

6 林森;徐鹏;刘琼;;基于支持向量机的流量分类方法[J];计算机应用研究;2008年08期

7 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

8 苏金树;张博锋;徐昕;;基于机器学习的文本分类技术研究进展[J];软件学报;2006年09期

9 刘琼;徐鹏;杨海涛;彭芸;;Peer-to-Peer文件共享系统的测量研究[J];软件学报;2006年10期

10 徐鹏;林森;;基于C4.5决策树的流量分类方法[J];软件学报;2009年10期

【相似文献】

相关期刊论文 前10条

1 许伟,曹明翠,罗志祥,吴江东;大容量IP交换机输出排队模块的实现研究[J];华中理工大学学报;2000年11期

2 岳光来,杨耀忠,韩子臣,戴涛,刘青昆;局域网分布式并行计算环境的建立及应用[J];计算机工程与应用;2002年04期

3 陈骏,杨明福;基于Trie结构的并行多维数据包分类[J];计算机应用与软件;2003年11期

4 饶鲜,董春曦,杨绍全;应用支持向量机实现计算机入侵检测[J];西安电子科技大学学报;2003年03期

5 吴静,周建国,晏蒲柳;支持向量机在网络故障诊断中的应用研究[J];计算机工程;2004年22期

6 李昆仑,黄厚宽,田盛丰,刘振鹏,刘志强;模糊多类支持向量机及其在入侵检测中的应用[J];计算机学报;2005年02期

7 程翔;江伴东;李毅成;;基于模糊MARS的入侵检测系统[J];信息工程大学学报;2008年03期

8 吴敏;王汝传;王治平;;基于支持向量机的P2P网络DoS攻击检测[J];计算机技术与发展;2009年11期

9 秦玉平;耿姝;孙宗宝;;基于C-SVM和KPCA的垃圾邮件检测研究[J];计算机工程与应用;2010年19期

10 王强;贾银山;;支持向量机及其在邮件过滤中的应用[J];微处理机;2010年03期

相关会议论文 前10条

1 刘李男;杨岳湘;唐川;;一种基于熵优化支持向量机的P2P流量检测方法[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

2 贺涛;曹先彬;;基于SVM的无线De-authentication攻击检测[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

4 杨业;王永骥;;基于Internet的网络控制延时分析及预测[A];第二十三届中国控制会议论文集（上册）[C];2004年

5 谢毅;张俊灵;王莹;胡翠林;;一种基于SVM的信息安全入侵检测模型[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

6 张家超;孔媛媛;;结合SVM与免疫遗传算法设计IDS的检测算法[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年

7 刘晓勇;;基于GA与SVM融合的网页分类算法[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

8 张小强;朱中梁;范平志;;基于SVM和序列互相关特性的入侵检测[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

9 张红梅;;基于粗糙集特征约简的SVM集成入侵检测模型[A];2009中国控制与决策会议论文集（3）[C];2009年

10 陈琳;黄杰;龚正虎;;一种基于支持向量机的抗噪声邮件分类方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

相关博士学位论文 前10条

1 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年

2 贾银山;支持向量机算法及其在网络入侵检测中的应用[D];大连海事大学;2004年

3 李战春;入侵检测中的机器学习方法及其应用研究[D];华中科技大学;2007年

4 段丹青;入侵检测算法及关键技术研究[D];中南大学;2007年

5 李千目;战略互联网故障智能诊断策略研究[D];南京理工大学;2005年

6 饶鲜;入侵检测信道模型研究[D];西安电子科技大学;2006年

7 郑洪英;基于进化算法的入侵检测技术研究[D];重庆大学;2007年

8 魏宇欣;网络入侵检测系统关键技术研究[D];北京邮电大学;2008年

9 刘震;垃圾邮件过滤理论和关键技术研究[D];电子科技大学;2008年

10 柳斌;P2P流的测量与识别方法研究[D];华中科技大学;2008年

相关硕士学位论文 前10条

1 张宝华;支持向量机在入侵检测系统中的研究和应用[D];天津理工大学;2010年

2 徐华;基于支持向量机的Web文本挖掘研究[D];哈尔滨工程大学;2004年

3 叶春;局域支持向量机的改进及其在网络流量预测中的应用[D];西华大学;2010年

4 李佳;基于粒子群优化支持向量机的异常入侵检测研究[D];中南林业科技大学;2009年

5 杨翔宇;SVM在Web文本挖掘中的应用与研究[D];哈尔滨工程大学;2005年

6 朱杰;支持向量机在入侵检测中的应用[D];西安电子科技大学;2008年

7 肖明;基于SVM的智能邮件过滤系统研究与实现[D];电子科技大学;2005年

8 杨丽华;基于内容的垃圾邮件过滤技术研究[D];西南交通大学;2006年

9 王娟;基于粗糙集与支持向量机的Web文本分类[D];厦门大学;2008年

10 张峰;基于支持向量机的网站发布系统设计与实现[D];大连理工大学;2010年

，

本文编号：1756927