非平衡网络流量识别方法

• 作者: 燕昺昊 王孝龙 韩国栋 黄雅静
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 非平衡数据 P2P流量 流量识别 机器学习 合成少数类过采样技术算法
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 2017年全国开放式分布与并行计算学术年会(DPCS 2017)论文
• 页码范围: 20-25
• 页数: 6页
• 分类号: TP393.02
• 字数: 6886字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017071812

摘要

针对网络中存在的对等网络(P2P)流量泛滥导致的流量失衡问题,提出将非平衡数据分类思想应用于流量识别过程.通过引入合成少数类过采样技术(SMOTE)算法并进行改进,提出了均值SMOTE(M-SMOTE)算法,实现对流量数据的平衡化处理.在此基础上分别采用3种机器学习分类器:随机森林(RF)、支持向量机(SVM)、反向传播神经网络(BPNN)对处理后各类流量进行识别.理论分析与仿真结果表明,在不影响P2P流量识别准确率的前提下,与非平衡状态相比,引入SMOTE算法将非P2P流量的识别准确率平均提高了16.5个百分点,将网络流量的整体识另别率提高了9.5个百分点;与SMOTE算法相比,M-SMOTE算法将非P2P流量的识别准确率与网络流量的整体识别率分别进一步提高了3.2个百分点和2.6个百分点.实验结果表明,非平衡数据分类思想可有效解决P2P流量过多导致的非P2P流量识别率低的问题,同时所提M-SMOTE算法具有更高的识别准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩国栋		33	166	7.0	11.0
2	王孝龙		6	17	3.0	4.0
3	黄雅静		2	7	1.0	2.0
4	燕昺昊		4	8	1.0	2.0