基于机器学习的流量识别技术综述与展望

• 作者: 赵双 陈曙晖
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 流量识别 机器学习 网络测量 流量数据集
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 1746-1756
• 页数: 11页
• 分类号: TP393
• 字数: 8787字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.10.005

摘要

流量识别是实现网络管理与网络安全的关键环节.随着基于端口号和深度包检测两种流量识别方法相继失效,基于机器学习的流量识别技术成为近十年流量识别领域最受关注的方法.鉴于流量识别技术的重要性,首先介绍流量识别技术的概况及相关基本概念,包括其应用场景、输入对象、识别类型及评价指标.然后详述机器学习背景下,流量识别过程中的数据集获取、特征提取与选择、识别模型设计等关键技术的进展,并对近年主要研究工作进行总结和比较.最后对基于机器学习的流量识别技术面临的主要挑战及未来的发展方向进行探讨与展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈曙晖	国防科技大学计算机学院	12	68	4.0	8.0
2	赵双	国防科技大学计算机学院	1	4	1.0	1.0