使用机器学习算法分类P2P流量的方法

被引：8

作者：

刘永定 ^{[1
]}

阳爱民 ^{[1
,2
]}

周序生 ^{[1
]}

邹豪杰 ^{[1
]}

机构：

[1] 湖南工业大学计算机与通信学院

[2] 广东外语外贸大学信息科学技术学院

来源：

计算机应用研究 | 2009年 / 26卷 / 09期

基金：

广东省自然科学基金; 中国博士后科学基金;

关键词：

对等网; 流量分类; 特征选择; 机器学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP393.06 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081201 ; 1201 ;

摘要：

P2P应用的快速增长,带来网络拥塞等诸多问题,而传统的基于端口与有效载荷的P2P流量分类方法存在着很多缺陷。以抽取独立于端口、协议和有效载荷的P2P流的信息作为特征,用提出的基于ReliefF-CFS的方法选择流的特征子集,研究使用机器学习算法对P2P流量进行分类的方法,也研究了利用流的前向N个报文的统计信息作为特征,分类P2P流量的方法。实验结果显示提出的方法取得了较好的分类准确率。

引用

页码：3468 / 3471

页数：4