基于機(jī)器學(xué)習(xí)算法的P2P流量分類(lèi)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩66頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、P2P應(yīng)用的快速增長(zhǎng),帶來(lái)網(wǎng)絡(luò)擁塞、大量消費(fèi)網(wǎng)絡(luò)帶寬等諸多問(wèn)題,而傳統(tǒng)的基于端口與有效載荷的網(wǎng)絡(luò)流量分類(lèi)方法存在著很多缺陷,研究按照5元組(源 IP、源 Port、目的IP、目的Prot及 IP協(xié)議)的定義,將 P2P報(bào)文分成雙向 TCP或 UDP流,抽取獨(dú)立于端口、協(xié)議和有效載荷的原始數(shù)據(jù)報(bào)文的信息作為 P2P流的特征,形成特征向量,用特征向量表示流,流的分類(lèi)類(lèi)別為 P2P的協(xié)議類(lèi)型。
  用提出的基于 ReliefF-CFS的

2、方法選擇流的特征子集,該方法結(jié)合 ReliefF和基于相關(guān)性(CFS)兩種特征選擇方法,產(chǎn)生適合于分類(lèi) P2P流的特征子集。首先利用 ReliefF特征選擇方法把候選特征按與類(lèi)別相關(guān)性的大小排序,通過(guò)設(shè)定的閾值選擇與類(lèi)別相關(guān)性大的特征子集作為 CFS選擇方法的初始集,然后利用 CFS結(jié)合正向搜索得到最終的較優(yōu)特征子集。
  研究使用 C4.5決策樹(shù)、支持向量機(jī)(SVM)、K近鄰(KNN)三種機(jī)器學(xué)習(xí)算法構(gòu)建 P2P流量分類(lèi)器,利用

3、獲取的原始數(shù)據(jù)尋找分類(lèi)器的最優(yōu)分類(lèi)參數(shù),主要采用分類(lèi)準(zhǔn)確率和分類(lèi)時(shí)間標(biāo)準(zhǔn)進(jìn)行評(píng)估;并研究統(tǒng)計(jì)原始數(shù)據(jù)報(bào)文的部分信息分類(lèi) P2P流,實(shí)驗(yàn)中分別統(tǒng)計(jì)流的雙向50、100、150、200個(gè)報(bào)文信息,結(jié)果顯示不僅減少了特征統(tǒng)計(jì)計(jì)算的復(fù)雜度和分類(lèi)的時(shí)間,而且有更高的分類(lèi)準(zhǔn)確率。
  為了讓研究的成果能有實(shí)際的應(yīng)用價(jià)值,通過(guò)構(gòu)建相應(yīng)的硬件、軟件環(huán)境,對(duì) P2P流量的在線實(shí)時(shí)分類(lèi)作了初步的研究。
  設(shè)計(jì)并實(shí)現(xiàn)了基于機(jī)器學(xué)習(xí)算法的P2P流

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論