一种基于相似度的高效网络流量识别方案

发布时间：2017-09-06 14:32

  本文关键词：一种基于相似度的高效网络流量识别方案

  更多相关文章： 网络流量识别 机器学习 支持向量机

【摘要】：支持向量机(support vector machine,SVM)是分类算法中集高效性、准确率和实时性于一体的分类方案。但由于在SVM分类决策的过程中,无关的分类器也参与了投票,使得方案的实时性和分类可靠性有一定程度的降低。提出了基于相似度的高效SVM网络流量识别方案(efficient SVM based on similarity,ESVMS)。ESVMS通过估算待分类实例可能所属的类别范围,排除SVM中那些无关分类器的投票决策。实验结果表明ESVMS较SVM分类准确度几乎没有降低,但分类实时性进一步提高。
【作者单位】： 武汉大学计算机学院;武汉大学国际软件学院;
【关键词】： 网络流量识别 机器学习 支持向量机
【基金】：国家自然科学基金资助项目(61272451,61173154)
【分类号】：TP393.06
【正文快照】： 0引言随着互联网、物联网和移动互联网的飞速发展,各种应用层出不穷,人们对高效识别网络流量的需求越来越迫切[1]。传统的流量识别方案主要分为三类:基于流量端口识别方法、基于包荷载分析方法以及基于流行为特征的识别[2-3]。基于端口的网络流量识别方法在过去的一段时间内很

【相似文献】

中国期刊全文数据库 前10条

1 戴强;张宏莉;叶麟;;基于行为特征的P2P流量快速识别[J];微计算机信息;2009年03期

2 徐周李;姜志宏;莫松海;樊鹏翼;;基于应用层签名的P2P流媒体流量识别[J];计算机应用研究;2009年06期

3 曾燕;李春蔚;;BT小包流量识别技术研究[J];四川理工学院学报(自然科学版);2010年06期

4 贾波;邹园萍;;基于无监督学习的P2P流量识别[J];杭州电子科技大学学报;2011年04期

5 刘洪涛;;校园网中P2P流量的识别及其控制[J];武汉船舶职业技术学院学报;2007年04期

6 蒋海明;张剑英;刘琼;王秀娟;何霁野;;PPLive协议分析及流量识别[J];电讯技术;2009年05期

7 张磊;;利用统计特征结合神经网络的P2P流量识别方法[J];计算机安全;2010年05期

8 孙立霞;;流量识别和QoS控制在IP/MPLS业务路由器的实现[J];科技传播;2011年04期

9 李金宝;;基于校园网的P2P流量识别技术研究[J];吉林化工学院学报;2011年05期

10 张晓燕;张浩;;因特网流量识别及管理方案设计[J];网络安全技术与应用;2008年03期

中国重要会议论文全文数据库 前6条

1 谢延;孙知信;;网络游戏流量特征字发现技术[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）[C];2008年

2 杜建清;黄少君;杨家海;;网络测量协作柔性支撑平台[A];2009年全国开放式分布与并行计算机学术会议论文集(下册)[C];2009年

3 陈月;孙知信;;MMORPG流量监测与系统实现[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）[C];2008年

4 高长喜;辛阳;钮心忻;杨义先;;基于行为特征分析的P2P流量识别技术的研究[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

5 许刘兵;;基于人工神经网络的P2P流量识别模型的研究[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）[C];2008年

6 李明;贾波;;基于神经网络的P2P流量识别方法[A];浙江省信号处理学会2011学术年会论文集[C];2011年

中国博士学位论文全文数据库 前6条

1 陈贞翔;具有规模适应性的互联网流量识别方法研究[D];山东大学;2008年

2 周丽娟;P2P流媒体识别方法的研究[D];华中科技大学;2008年

3 刘国乐;P2P网络的资源优化与若干安全问题研究[D];北京邮电大学;2013年

4 郭振滨;互联网测量与建模研究[D];北京交通大学;2012年

5 赵博;网络加密流量的协议不相关在线识别技术研究[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

中国硕士学位论文全文数据库 前10条

1 沈文旭;情报传输网络中流量识别技术研究与应用[D];吉林大学;2014年

2 马衍庆;基于机器学习的网络流量识别方法与实现[D];山东大学;2014年

3 陈思羽;网络流量识别中特征选择算法的研究与应用[D];西安电子科技大学;2014年

4 王泽琪;基于菌群优化算法和小波SVM的P2P流量识别方法[D];湖北工业大学;2014年

5 李沁l，

本文编号：803682