基于支持向量数据描述的P2P流量识别

作者：刘三民; 孙知信

来源：吉林大学学报（工学版）, 2012, (04): 947-951.

DOI：10.13229/j.cnki.jdxbgxb2012.04.056

• 计算机系统结构
• 支持向量数据描述
• 主成分分析
• P2P流量识别 computer system organization
• support vector data description
• principal component analysis
• P2P traffic identification

借鉴聚类思想引入基于支持向量数据描述(SVDD)的原理,建立P2P流量识别模型。该模型首先用主成分分析法(PCA)对训练集降维,然后用SVDD方法寻找包含大部分样本最小超球,保留各自支持向量样本点作为识别模型;然后计算测试样本距各球心距离,距离近者为其所属类别。该模型简单,适合P2P流量识别环境,克服了现有基于机器学习的流量识别方法在多类分类中模型复杂、数据不平衡等缺点。实验结果表明,该模型具有较高的分类精度和可靠性。

• 单位
  安徽工程大学; 南京大学; 计算机软件新技术国家重点实验室; 南京邮电大学; 南京航空航天大学