一种鲁棒网络流量分类及新类型发现算法

发布时间：2024-05-12 20:03

　　提出了一种鲁棒网络流量分类及新类型的发现算法.网络流量一般为高维数据,且在网络流量收集过程中易受到网络波动或网络攻击的影响,为此,在堆栈自编码器的基础上,基于互相关熵理论提出了一种新的网络模型进行数据的特征提取,通过基于阈值的主动学习分类算法进行分类,达到识别新应用类型的目的.对比实验结果表明,所提算法中分类算法的准确度可达到91.08%,对新应用类型的识别度可达到98.8%.

【文章页数】：6 页

【部分图文】：

图1流量分类模型2网络流量分类以及新应用发现算法

击造成的噪声点，因此首先通过(CSAE，correntropyinducedlossfunctionbasedsparseatuoen-coder)［5］来进行去噪处理及特征提取．其次，由于网络应用发展迅速，为了满足新类型检测的环境，所以通过基于阈值的主动学习的思想进行流量分类以....

图3基于QBC的样本选择算法的主动学习过程分类器间对某一流量样本产生分歧的评判通过

①一个基于相似度阈值的分类器，它可以决定一个新的样本是属于现有的分类器中某一类型，还是一个新的应用类型．②一个主动学习算法，它维护着这些分类器集合，当人类的反馈可用时，这个反馈就会剪枝操作．③一个新的应用类型检测算法，该算法能适用于未知流量，以确定在未知流量中是否有样本子集代表一....

本文编号：3971825