动态的SDN网络流量模式增量学习算法

• 作者: 唐菀 杨喜敏 胡明明
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 软件定义网络 增长型自组织映射 流表统计信息 增量学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 98-103
• 页数: 6页
• 分类号: TP393.2
• 字数: 4477字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4321.2018.02.021

摘要

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨喜敏	中南民族大学计算机科学学院	24	109	5.0	9.0
2	唐菀	中南民族大学计算机科学学院	35	146	6.0	10.0
3	胡明明	中南民族大学计算机科学学院	2	2	1.0	1.0