10.3969/j.issn.1000-386x.2019.05.014
SDN中基于机器学习的网络流量分类方法研究
由于缺乏网络流量类别信息,目前软件定义网络SDN控制层难以有针对性地对在线视频流量和下载流量进行速率管控.当带宽有限时这会严重影响用户同时观看在线视频和进行下载时的体验.针对此问题,提出一种在SDN中基于机器学习的在线视频流量和下载流量分类方案.该方案选取新的、可以有效区分在线视频流量和下载流量的特征集合.通过测试对比多种机器学习模型的分类效果,在SDN中设计实现了基于随机森林(RandomForest)模型的实时流量分类应用,为在SDN中实现细粒度的网络流量管控、优化QoS等功能奠定了基础.测试结果表明,该方案对SDN中在线视频流量和下载流量的实时分类效果较理想,实时分类平均准确率较高.
机器学习、软件定义网络、网络流量分类
36
TP301(计算技术、计算机技术)
国家重点研发计划项目2017YFGX110123
2019-06-06（万方平台首次上网日期，不代表论文的发表时间）
共6页
75-79,164
