面向网络流概念漂移的协同流量分类方法

摘要：

针对网络流量特性随时间推移发生改变而引起训练样本变化(即概念漂移),从而导致基于机器学习的流量分类方法精度明显降低问题,本文提出一种基于协同策略的流量分类方法,该方法借助K-S检验对流量概念漂移进行检测,然后通过协同策略引入新的流量样本使分类器得到有效更新,应对流量概念漂移,最后根据集成学习策略综合分类结果.实验结果表明该方法在处理流量概念漂移上具有较好的分类性能和泛化能力,模型建立和分类效率表明满足分类实时性要求.

关键词： 网络流量 概念漂移 K-S检验 协同分类法 集成学习

作者: 潘吴斌 程光 郭晓军 朱琛刚

作者单位: 东南大学 计算机科学与工程学院,江苏 南京 210096;计算机网络和信息集成教育部重点实验室(东南大学),江苏 南京 210096 东南大学 计算机科学与工程学院,江苏 南京 210096;西藏民族学院 信息工程学院,陕西 咸阳 712082;计算机网络和信息集成教育部重点实验室(东南大学),江苏 南京 210096

会议类型: 国内会议

会议名称: 2015中国计算机网络安全年会

会议地点: 武汉

会议语种:中文

页码: 209-219

在线出版日期: 2015-05-26（万方平台首次上网日期，不代表论文的发表时间）