基于机器学习的网络流量分析综述

发布时间：2021-02-20 03:37

　　网络流量分析是对网络流量进行采集并分析以准确获取网络流量信息的重要技术手段,其可以帮助网络管理者有效地进行网络规划、网络优化、网络监控、流量趋势分析等工作。本文从网络流量的预测、网络流量的识别以及网络异常流量的检测3个方面回顾了机器学习技术应用在网络流量分析上的研究成果,并对基于机器学习的网络流量分析技术趋势及未来研究方向进行展望。 

【文章来源】：网络新媒体技术. 2020,9(05)

【文章页数】：8 页

【文章目录】：
0 引言
1 网络流量的预测
2 网络流量的识别
    2.1 传统机器学习识别方法
    2.2 深度学习识别方法
    2.3 流量不均衡问题
3 网络异常流量识别
4 主要问题与挑战


【参考文献】：
期刊论文
[1]移动设备网络流量分析技术综述[J]. 徐明,杨雪,章坚武.  电信科学. 2018(04)
[2]高峰期网络流量高精准度预测模型研究[J]. 刘维嘉.  网络新媒体技术. 2018(02)
[3]基于深度卷积神经网络的网络流量分类方法[J]. 王勇,周慧怡,俸皓,叶苗,柯文龙.  通信学报. 2018(01)
[4]基于机器学习的网络异常流量检测研究[J]. 陈胜,朱国胜,祁小云,雷龙飞,镇佳,吴善超,吴梦宇.  信息通信. 2017(12)
[5]基于词袋模型聚类的异常流量识别方法[J]. 马林进,万良,马绍菊,杨婷.  计算机工程. 2017(05)
[6]网络加密流量识别研究综述及展望[J]. 潘吴斌,程光,郭晓军,黄顺翔.  通信学报. 2016(09)
[7]仿射传播聚类算法和稀疏贝叶斯的网络流量预测模型[J]. 赵启升,李存华.  计算机应用研究. 2015(11)
[8]网络流量预测方法[J]. 董梦丽,杨庚,曹晓梅.  计算机工程. 2011(16)
[9]网络流量分析方法综述[J]. 苟娟迎,马力.  西安邮电学院学报. 2010(04)
[10]一种基于聚类的异常流量检测算法[J]. 戚玉娥,刘方爱.  微计算机信息. 2010(09)

博士论文
[1]基于深度学习的网络流量分类及异常检测方法研究[D]. 王伟.中国科学技术大学 2018

硕士论文
[1]基于时间序列模型的网络流量预测研究[D]. 朱苗苗.西安工程大学 2017



本文编号：3042164