机器学习在P2P流量检测中的研究

• 作者: 吴敏 王汝传 蔡涛涛
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 对等网络 流量识别 机器学习算法 特征选择
• 年，卷（期）: 2010,（11）
• 页码范围: 133-136
• 分类号: TP391
• 字数: 3726字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.11.033

摘要

P2P流量逐渐成为了互联网流量的重要组成部分,在对Internet 起巨大推动作用的同时,也带来了因资源过度占用而引起的网络拥塞以及安全隐患等问题,妨碍了正常的网络业务的开展.文中提出了基于机器学习的P2P流量识别方案,并运用FCBF(Fast Correlation-Based Filter)特征选择算法形成了流量特征子集,构建了机器学习P2P流量识别模型并对比了几种常见的机器学习算法在流量识别方面的性能.测试实验结果表明,C4.5算法和贝叶斯网络算法都适合于P2P流量检测,其个别模型达到了90%以上的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王汝传	南京邮电大学计算机学院	671	6841	35.0	53.0
2	吴敏	南京邮电大学计算机学院	26	139	7.0	10.0
3	蔡涛涛	南京邮电大学计算机学院	1	6	1.0	1.0