一种基于Hadoop平台CloudSVM的网络流量分类方法

• 作者: 唐一韬 袁爱平 贺宗梅 邓河
• 来源期刊: 太赫兹科学与电子信息学报
• 学科: 工学
• 关键词: 网络流量分类 Hadoop平台 CloudSVM分类器
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 信号与信息处理、计算机与控制
• 页码范围: 918-923
• 页数: 6页
• 分类号: TP393
• 语种: 中文
• DOI: 10.11805/TKYDA2019406

摘要

大规模的netflow训练数据集是构建高质量、高稳定网络流量分类器的必然要求.但随着网络流特征维数的提高和数据集规模的扩大,无论是网络流的分析处理还是基于支持向量机(SVM)的分类器模型的训练,都无法在有效的时间内得到有效的处理结果.本文基于Hadoop云计算平台,采用MapReduce技术对SVM网络流量分类器进行分布式学习和训练,构建CloudSVM网络流量分类器.通过对来自校园网出口镜像的近2 T的大规模网络流量的跟踪文件的分布式存储和处理,对抽取的样本数据集进行分类,实验验证了基于Hadoop平台分布式存储和并行处理大规模网络数据集的高效率性,也验证了CloudSVM分类器在不降低分类准确度的情况下可以快速收敛到最佳,并随着大规模网络流样本的增加,SVM分类器训练的时间趋近平稳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺宗梅		17	9	2.0	2.0
2	唐一韬		28	38	3.0	5.0
3	邓河		16	17	3.0	4.0
4	袁爱平		17	36	3.0	5.0