深度学习算法的P2P流量识别与控制

• 作者: 黄金铃
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: P2P流量识别 流量控制 神经网络 聚类算法 自相似模型 聚类中心 深度学习 检测样本
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 控制工程|Control Engineering
• 页码范围: 209-213
• 页数: 5页
• 分类号: TP393.07
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2022.02.15

摘要

为了提升P2P流量的识别精度与控制效果,提出了深度学习算法的P2P流量识别与控制方法.采用P2P流量数据训练深度学习算法的BP神经网络,根据训练好的神经网络对训练样本进行预分类,得到包含各服务流量特征的预分类结果.将预分类结果作为P2P流量聚类中心值,通过聚类算法检测P2P流量样本数据,得到P2P流量识别结果.采用分形自回归综合滑动平均模型分析P2P流量控制机制.结果表明,该方法的识别性能稳定、识别结果精度较高,有效降低了流量传输的丢包率,可对P2P流量传输进行稳定控制.