10.3969/j.issn.1000-3932.2013.04.023
基于BP神经网络聚类算法的P2P流量识别
在研究有监督机器学习算法中的BP神经网络算法和无监督的机器学习算法中的k-means聚类算法的基础上,提出一种半监督的BP神经网络聚类算法对P2P流量进行识别.该算法具有有监督和无监督的机器学习算法的优点,能快速地进行精确的流量识别,即取少量离线的流量样本进行标记与分类,然后利用分类结果为聚类中心对大量在线流量进行聚类识别.这样既提高了效率,又能保证结果的准确性.利用BP神经网络对所采集的少量流量数据中每个流按包大小标准差、变换频率、平均值、包数目和总字节数5个特征进行分类,得出分类结果的特征均值,对大量的在线数据进行指导聚类.多次实际网络测试结果的准确率很高,证明该算法模型是可行的.
P2P流量识别、BP神经网络聚类算法、标记与聚类、加密流量
40
TH865
2013-08-26（万方平台首次上网日期，不代表论文的发表时间）
共5页
515-518,551
