原文服务方: 计算机应用研究       
摘要:
盲分类(blind classification,BLINC)方法提出利用不同网络应用在传输层子图连接模式的差异对网络流量进行分类,获得了良好的效果,该方法分类的准确度较高,但是完整度则相对较低.为了解决BLINC分类完整度较低的问题,借鉴BLINC的分类思想,提出了基于子图模式的流分类方法,该方法综合运用源节点子图模式、目的节点子图模式和端口分析技术.实验证明,在同样阈值的条件下该方法对同样一组Web、DNS、Mail、FTP、P2P流量数据进行分类,准确度与传统BLINC方法基本保持一致,但是完整度得到了明显的提高,具有很好的实用性.
推荐文章
基于快速SVM的大规模网络流量分类方法
支持向量机
大规模流量分类
比特压缩
权重SVM
分类器
分类准确率
网络流量分类与应用识别的研究
流量分类
应用识别
机器学习
无监督聚类
有监督分类
一种使用DBSCAN聚类的网络流量分类方法
网络流量分类
主成分分析
特征选择
DBSCAN聚类
基于GA-CFS和AdaBoost算法的网络流量分类
流量分类
相关性特征选择
适应度函数
AdaBoost算法
弱分类器
权重
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 基于子图模式的网络流量分类方法研究
来源期刊 计算机应用研究 学科
关键词 流量分类 盲分类 匹配 子图模式
年,卷(期) 2014,(6) 所属期刊栏目
研究方向 页码范围 1816-1819
页数 4页 分类号 TP393.08
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2014.06.051
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 胡光岷 电子科技大学通信与信息工程学院 59 446 11.0 17.0
2 陈波 2 5 1.0 2.0
3 杨季 电子科技大学通信与信息工程学院 1 5 1.0 1.0
4 石亮山 电子科技大学通信与信息工程学院 1 5 1.0 1.0
5 汪明达 电子科技大学通信与信息工程学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (5)
同被引文献  (12)
二级引证文献  (8)
2005(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)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(5)
  • 引证文献(2)
  • 二级引证文献(3)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(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
流量分类
盲分类
匹配
子图模式
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