使用机器学习算法分类P2P流量的方法

• 作者: 刘永定 周序生 邹豪杰 阳爱民
• 来源期刊: 计算机应用研究
• 关键词: 对等网 流量分类 特征选择 机器学习
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 3468-3471
• 页数: 4页
• 分类号: TP18|TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.09.075

摘要

P2P应用的快速增长,带来网络拥塞等诸多问题,而传统的基于端口与有效载荷的P2P流量分类方法存在着很多缺陷.以抽取独立于端口、协议和有效载荷的P2P流的信息作为特征,用提出的基于ReliefF-CFS的方法选择流的特征子集,研究使用机器学习算法对P2P流量进行分类的方法,也研究了利用流的前向N个报文的统计信息作为特征,分类P2P流量的方法.实验结果显示提出的方法取得了较好的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳爱民	湖南工业大学计算机与通信学院	20	301	9.0	17.0
5	邹豪杰	湖南工业大学计算机与通信学院	18	197	7.0	13.0
6	周序生	湖南工业大学计算机与通信学院	31	96	6.0	9.0
7	刘永定	湖南工业大学计算机与通信学院	4	73	4.0	4.0