HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于机器学习的网络流量分类算法分析研究

作者:李晓明; 任慧; 颜金尧贝叶斯网络朴素贝叶斯机器学习遗传算法svmgasvm

摘要:基于应用的流量分类在网络安全和管理中具有非常重要的作用。传统流量分类大部分是基于端口的预测方法和基于有效载荷的深度检测方法。由于当前网络环境中各种隐私问题以及基于动态端口和加密的应用,传统的网络流量分类策略的有效性已经逐步下降,目前主要集中在基于机器学习技术的流量分类模型进行研究。本文对各种基于机器学习算法的流量分类的比较,如贝叶斯网络(Bayes Net)、朴素贝叶斯(Naive Bayes)、基于RBF的SVM流量分类和基于遗传算法的SVM(GaSVM)流量分类等。这些算法分别使用了全特征选择和优化后的特征集合,实验结果表明基于遗传算法的SVM流量分类精度较高,并在使用主成分特征也可以达到很高的精度。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

中国传媒大学学报

《中国传媒大学学报》(CN:11-5379/N)是一本有较高学术价值的大型双月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《中国传媒大学学报》主要刊登广播电视技术、多媒体技术、计算机应用、录音电声技术、通信技术、管理科学以及教学研究等方面的学术论文。

杂志详情