基于机器学习的IP流量分类研究

• 作者: 刘珍 刘琼 黄敏
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 流量分类 机器学习 网络流 网络测量
• 年，卷（期）: 2010,（12）
• 页码范围: 35-40,66
• 分类号: TP393.06
• 字数: 10118字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.12.008

摘要

IP流量分类是Internet研究和流量工程的重要基础,近年来网络应用类别和Internet流数量在快速增长.流量分类技术不断面临新的挑战.对基于机器学习的IP流量分类方法进行了系统性研究.给出了这类流量分类方法的数学描述;通过深入研究有监督和无监督机器学习方法在流量分类中的应用,从数据预处理、模型构建和模型评估3个方面评述这类技术的研究现状,并指出存在的问题;总结得出现阶段基于机器学习的IP流量分类技术存在数据偏斜、标识瓶颈、属性变化和实时分类等4个方面的共性问题;最后展望了流量分类技术的未来发展方向并介绍了作者正在进行的工作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄敏	华南理工大学软件学院	31	304	9.0	16.0
2	刘琼	华南理工大学软件学院	29	160	6.0	11.0
3	刘珍	华南理工大学软件学院	6	55	3.0	6.0