改进的单类支持向量机的网络流量检测

发布时间：2018-08-12 19:48

【摘要】：单类支持向量机(OCSVM)理论对有限样本、高维空间和不平衡数据集分类有巨大优势,通过使用权重值模拟退火法与动态惯性因子的粒子群算法改进OCSVM的参数选择算法,进行流量分类,使得分类准确率提高了近10%,解决了传统流量分类方法的低准确率和开销大等弊端,对提高网络服务质量、网络管理与控制以及网络安全等领域具有重要意义。
[Abstract]:The single class support vector machine (OCSVM) theory has great advantages for the classification of finite samples, high dimensional space and unbalanced data sets. The particle swarm optimization (PSO) algorithm based on the simulated annealing method of weight value and dynamic inertia factor is used to improve the parameter selection algorithm of OCSVM. Traffic classification improves the classification accuracy by nearly 10%, solves the disadvantages of the traditional traffic classification methods, such as low accuracy and large overhead, and has important significance in improving the quality of network service, network management and control, network security and other fields.
【作者单位】： 吉林大学计算机科学与技术学院;
【分类号】：TP393.06

【相似文献】

相关期刊论文 前10条

1 尹中航,王永成,蔡巍;应用支持向量机进行网上信息自动分类[J];高技术通讯;2001年11期

2 扶宗文;王键;傅明;;基于粗糙集和Online SVM的入侵检测规则提取[J];计算机工程与设计;2009年16期

3 邹铁铮;李渊;张博锋;苏金树;;基于支持向量机的操作系统识别方法[J];清华大学学报(自然科学版);2009年S2期

4 王凯;侯著荣;王聪丽;;基于交叉验证SVM的网络入侵检测[J];测试技术学报;2010年05期

5 彭建芬;周亚建;王枞;杨义先;平源;;TCP流量早期识别方法[J];应用科学学报;2011年01期

6 刘永定;阳爱民;邓河;;基于机器学习的P2P流量分类系统设计与实现[J];微计算机信息;2009年33期

7 顾成杰;张顺颐;;基于改进SVM的网络流量分类方法研究[J];仪器仪表学报;2011年07期

8 陈彬;向泰;;基于改进二分类SVM的P2P网络流检测研究[J];现代计算机(专业版);2010年14期

9 黄萍,李之棠;应用支持向量机实现分布式入侵检测[J];华中科技大学学报(自然科学版);2003年S1期

10 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

相关会议论文 前10条

1 邓蔚;秦志光;;基于Kolmogorov复杂性的垃圾信息过滤研究综述[A];中国电子学会第十七届信息论学术年会论文集[C];2010年

2 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

3 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

4 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

5 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

6 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

7 陈时敏;韩心慧;;基于机器学习的网页木马识别方法研究[A];第26次全国计算机安全学术交流会论文集[C];2011年

8 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

9 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

10 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

相关重要报纸文章 前9条

1 dream & zeus;原来层标签也可以隐藏[N];电脑报;2004年

2 阮光尘邋朱元春;多层构建邮件免疫机能[N];中国计算机报;2007年

3 沈生;多管齐下清理网上垃圾[N];中国计算机报;2004年

4 马云飞;P3P：能否撑起隐私保护的天空？[N];中国计算机报;2000年

5 OOV;FlashFXP技巧三则[N];中国电脑教育报;2004年

6 ;关注移动应用 诺基亚打造Nokia Access Mobilizer[N];网络世界;2003年

7 福建 罗惠琴;文件安全保卫者 NoDelete[N];电脑报;2001年

8 陈玉江;Cookie为什么（五）[N];中国计算机报;2001年

9 马;Passport 2.0把握身份关[N];中国计算机报;2001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 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

3 左申正;基于机器学习的网络异常分析及响应研究[D];北京邮电大学;2010年

4 柳斌;P2P流的测量与识别方法研究[D];华中科技大学;2008年

5 张震;基于流量测量的高速IP业务感知技术研究[D];解放军信息工程大学;2012年

6 彭建芬;P2P流量识别关键技术研究[D];北京邮电大学;2011年

7 邬书跃;基于支持向量机和贝叶斯分析技术的入侵检测方法研究[D];中南大学;2012年

8 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

9 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

10 饶鲜;入侵检测信道模型研究[D];西安电子科技大学;2006年

相关硕士学位论文 前10条

1 马金刚;基于向量空间的信息过滤关键技术研究[D];山东师范大学;2006年

2 刘健男;基于支持向量机的网络流量分类检测系统的研究与实现[D];吉林大学;2012年

3 许孟晋;基于机器学习的网络流量分类系统研究与实现[D];国防科学技术大学;2010年

4 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

5 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

6 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

7 杨浩;基于支持向量机的入侵检测技术研究[D];哈尔滨工程大学;2006年

8 陈栋梁;支持向量机训练算法研究[D];合肥工业大学;2007年

9 高华;基于聚类分块支持向量机的入侵检测算法[D];南京理工大学;2007年

10 王斓樾;用户行为分析在搜索引擎中的应用[D];沈阳工业大学;2007年

，

本文编号：2180167