基于概念漂移检测的自适应流量分类方法

• 作者: 姜振东 潘吴斌 王建明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 概念漂移 Kolmogorov-Smirnov检验 协同学习 流量分类
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 68-75
• 页数: 8页
• 分类号: TP393
• 字数: 6046字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1711-0100

摘要

针对网络流特征会随网络环境变化而发生改变,从而导致基于流特征的机器学习分类方法精度明显降低的问题.提出一种基于概念漂移检测的自适应流量分类方法,该方法借助Kolmogorov-Smirnov检验对出现的流量进行概念漂移检测,然后通过多视图协同学习策略引入新流量样本修正概念漂移导致的模型变化,使分类器得到有效更新.实验结果表明该方法可以有效检测概念漂移并更新分类器,表现出较好的分类性能和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建明	南京工业大学计算机科学与技术学院	58	691	16.0	23.0
2	姜振东	南京工业大学计算机科学与技术学院	1	0	0.0	0.0
3	潘吴斌	东南大学计算机科学与工程学院	4	62	3.0	4.0