原文服务方: 计算机应用研究       
摘要:
P2P流媒体流量中的控制流与数据流,由于统计特征差异较大,致使DFI(深度流检测)方法识别其效果不佳.借鉴DFI的思想,提出一种基于端点特征识别P2P流媒体流量的方法.该方法针对网络端点,提取了六个有效特征,并结合机器学习的方法识别P2P流媒体流量.实验结果表明,该方法比DFI识别的整体准确率要高,且可以用于P2P流媒体的在线识别.
推荐文章
基于应用层签名的P2P流媒体流量识别
P2P流媒体
应用层签名
流量识别
P2P流量识别方法的研究及实现
P2P
QoS
流量识别
数据净荷
基于PayLoad特征的P2P IPTV应用识别
P2P流媒体
Payload特征
流量识别
基于神经网络的P2P流量识别方法
统计学习
神经网络
流量识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于端点特征的P2P流媒体识别方法
来源期刊 计算机应用研究 学科
关键词 P2P流媒体 机器学习 端点
年,卷(期) 2012,(7) 所属期刊栏目 网络与通信技术
研究方向 页码范围 2600-2602,2606
页数 分类号 TP393.04
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2012.07.054
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张建辉 39 157 6.0 9.0
2 兰巨龙 217 1088 16.0 22.0
3 陈伟 3 13 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (27)
参考文献  (6)
节点文献
引证文献  (4)
同被引文献  (7)
二级引证文献  (4)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(4)
  • 引证文献(2)
  • 二级引证文献(2)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
P2P流媒体
机器学习
端点
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导