基于机器学习的P2P流量分类系统设计与实现

被引：2

作者：

刘永定 ^{[1
]}

阳爱民 ^{[1
,2
]}

邓河 ^{[1
]}

机构：

[1] 湖南工业大学计算机与通信学院

[2] 国防科技大学计算机学院

来源：

微计算机信息 | 2009年 / 25卷 / 33期

基金：

中国博士后科学基金; 广东省自然科学基金;

关键词：

P2P; 流量分类; 机器学习; 系统设计与实现;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; TP393.07 [];

学科分类号：

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

摘要：

P2P应用的快速增长,大量消费网络带宽,而传统的基于端口与有效载荷的网络流量分类方法存在着很多缺陷,一种基于机器学习的P2P流量分类系统被建议。系统按照5元组(源IP、源Port、目的IP、目的Prot及IP协议)的定义,将P2P报文分成双向TCP流(Flow)或UDP流,抽取与协议和端口无关的流的特征。用机器学习的方法构造和训练分类器后,对未知协议类型的流进行分类。分类系统的功能模块设计、实现及性能评测被详细的进行了介绍。

引用

页码：129 / 131

页数：3