一种时效增强的机载网络流量识别方法

• 作者: 冯煊 吕娜 周家欣 陈旿 陈柯帆
• 来源期刊: 西北工业大学学报
• 学科: 工学
• 关键词: 流量识别 机器学习 贝叶斯网络 航空集群 机载网络
• 年，卷（期）: 2020,（2）
• 页码范围: 341-350
• 页数: 10页
• 分类号: TN915.851
• 字数: 8622字
• 语种: 中文

摘要

机载网络拓扑动态性强,带宽受限等特点导致其难以为多样化的航空集群作战任务提供可靠的信息交互服务,因此需要对网络中的"大流量对象"进行实时识别,从而优化流量控制,提升网络性能.针对该问题,基于机器学习贝叶斯模型,提出一种时效增强的流量识别方法,首先通过对原始流量数据集进行预处理得到数据流训练子集,并基于贝叶斯网络模型构造子分类器,然后基于多窗口动态贝叶斯网络分类器模型实现大流量对象的早期识别.仿真结果表明,相较于现有的大流识别方法,所提方法可以在保证识别准确性的条件下有效提升识别时效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈旿	西北工业大学网络空间安全学院	26	214	9.0	13.0
2	吕娜	空军工程大学信息与导航学院	56	248	9.0	13.0
3	陈柯帆	空军工程大学信息与导航学院	25	74	5.0	8.0
4	周家欣	空军工程大学信息与导航学院	3	0	0.0	0.0