基于集成学习的P2P流量识别模型

• 作者: 徐鹤 王汝传 赵丹
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: P2P流量识别 集成学习 DTNB OneR BP
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 101-105,111
• 分类号: TP393
• 字数: 3870字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5439.2011.04.018

摘要

将DTNB、OneR和BP神经网络算法集成用于P2P流量识别,构建了基于该集成学习算法的P2P流量识别模型.利用网络流量特征和机器学习中生成规则的集成分类算法将网络流量分为P2P流量和非P2P流量.所建立的P2P流量识别模型分为网络流量特征的获取、P2P流量特征选取以及建立流量分类模型三个步骤.采用十折交叉验证与测试集相结合的方法CTFCVWTS( combining T-fold cross validation with testing set)评估模型的合理性和提出方法的有效性.实验得出流量分类准确率平均为97.27％.结果表明,该模型具有较高的P2P流量识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王汝传	南京邮电大学计算机学院	671	6841	35.0	53.0
5	赵丹	南京邮电大学计算机学院	6	46	4.0	6.0
6	徐鹤	南京邮电大学计算机学院	26	67	5.0	7.0