| 基于集成学习的P2P流量识别模型 |
| |
| 作者姓名： | 赵丹 王汝传 徐鹤 |
| |
| 作者单位： | 1. 南京邮电大学计算机学院,江苏南京,210046
2. 南京邮电大学计算机学院,江苏南京210046;南京邮电大学计算机研究所,江苏南京210046 |
| |
| 基金项目： | 国家自然科学基金(60973139、60773041); 国家和江苏省博士后基金(20100471353、20100471355、20100471356); 江苏高校科技创新计划项目(CX09B_153Z,CX10B-260Z,CX10B-261Z,CX10B-262Z,CX10B-263Z); 江苏省六大高峰人才项目(2008118); 江苏省级现代服务业发展专项资金; 江苏省计算机信息处理技术重点实验室基金(2010)资助项目 |
| |
| 摘 要： | 将DTNB、OneR和BP神经网络算法集成用于P2P流量识别,构建了基于该集成学习算法的P2P流量识别模型。利用网络流量特征和机器学习中生成规则的集成分类算法将网络流量分为P2P流量和非P2P流量。所建立的P2P流量识别模型分为网络流量特征的获取、P2P流量特征选取以及建立流量分类模型三个步骤。采用十折交叉验证与测试集相结合的方法CTFCVWTS(combining T-fold cross validation with testing set)评估模型的合理性和提出方法的有效性。实验得出流量分类准确率平均为97.27%。结果表明,该模型具有较高的P2P流量识别准确率。
|
| 关 键 词： | P2P流量识别 集成学习 DTNB OneR BP |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
