一种基于机器学习的P2P网络流量识别方法
P2P技术作为下一代互联网的支撑技术,日益受到人们的重视。P2P应用遍及文件共享、流媒体、即时通信等多个领域,P2P应用所产生的流量占据了互联网流量的60％以上。为了更好地管理和控制P2P流量,有必要对P2P流量识别模型进行研究。本文提出一种基于小波支持向量机的机器学习模型(MI_WSVM),ML_WSVM是通过满足小波框架和Mercer定理的小波基函数替换SVM核函数的方法,实现小波与SVM的结合。该模型充分利用了小波的多尺度特性与SVM在分类方面的优势。然后,提出利用损失函数的方法来优化求解ML_WSVM的最优分类面。最后,ML_WSVM模型被用于识别P2P流量,实验证明该方法大大提高了对P2P网络流量的识别精度,尤其是对加密报文的识别。
对等网络 网络流量识别 支持向量机 小波函数
李致远 王汝传
南京邮电大学计算机学院 江苏 南京 210003
国内会议
秦皇岛
中文
65-68
2010-09-16（万方平台首次上网日期，不代表论文的发表时间）