网络流量分类方法的比较研究

被引：5

作者：

胡婷 ^{[1
]}

王勇 ^{[1
]}

陶晓玲 ^{[2
]}

机构：

[1] 桂林电子科技大学计算机科学与工程学院

[2] 桂林电子科技大学网络中心

来源：

桂林电子科技大学学报 | 2010年 / 30卷 / 03期

关键词：

网络流量; 分类方法; 流统计特征; 机器学习;

D O I：

10.16725/j.cnki.cn45-1351/tn.2010.03.017

中图分类号：

TP393.06 [];

学科分类号：

081201 ; 1201 ;

摘要：

实施有效地网络管理,首先要对网络流量按照应用类型不同进行准确分类。由于目前传统的基于端口号匹配和特征字段分析的流量分类方法不能很好的满足网管需要的现状,因此,针对这两种方法在应用中存在的问题进行了分析,并与目前研究较多的基于流统计特征的机器学习分类方法进行比较。研究后结果表明:该方法包括有流样本的形成、特征选择过程和机器学习分类过程3个关键步骤,可通过网络流量的统计特征,采用机器学习方法进行准确分类。

引用

页码：216 / 219

页数：4

共 10 条

[1] 基于C4.5决策树的流量分类方法 [J].

徐鹏 ;

林森 .

软件学报, 2009, 20 (10) :2692-2704

[2] 基于半监督学习的网络流量分类 [J].

佘锋 ;

王小玲 .

计算机工程, 2009, 35 (12) :90-91+94

[3] 基于支持向量机的Internet流量分类研究 [J].

徐鹏 ;

刘琼 ;

林森 .

计算机研究与发展, 2009, (03) :407-414

[4] 基于贝叶斯网络的Peer-to-Peer识别方法 [J].

李君 ;

张顺颐 ;

王浩云 ;

李翠莲 .

应用科学学报, 2009, 27 (02) :124-130

[5] 一种基于半监督学习的应用层流量分类方法 [J].

柳斌 ;

李之棠 ;

涂浩 .

微电子学与计算机, 2008, (10) :113-116

[6] 面向流量识别系统的聚类算法的比较与分析 [J].

苏欣 ;

杨建华 ;

张大方 ;

谢高岗 .

计算技术与自动化, 2008, (03) :1-6

[7] 基于流统计特性的网络流量分类算法 [J].

林平 ;

余循宜 ;

刘芳 ;

雷振明 .

北京邮电大学学报, 2008, (02) :15-19

[8]

Offline/realtime traffic classification using semi-supervised learning[J] . Jeffrey Erman,Anirban Mahanti,Martin Arlitt,Ira Cohen,Carey Williamson.Performance Evaluation . 2007 (9)

[9]

Automated Traffic Classification and Application Identification using Machine Learning .2 Sebastian Zander,Thuy Nguyen,Grenville Armitage. 30th Annual IEEE Conference on Local Computer Networks . 2005

[10]

Study on preliminary performance of algorithms for network traffic identification .2 Ma Yongli,Qian Zongjue,Shou Guochuet al. The 2008 International Conference on Computer Science and Software Engineering . 2008

← 1 →