机器学习用于网络流量识别

深度学习中，卷积神经网络（CNN）常用于图像识别任务 #生活技巧# #学习技巧# #深度学习技巧#

摘要：

提出了将机器学习中的C4.5算法应用于传输层的网络流量特征识别技术.运用相关性特征选择和遗传算法形成了流量特征子集.提出并采用 N折交叉验证与测试集相结合的方法评估了国家运营宽带网络中的流量测试分类结果.实验证明，无需预知端口和协议标签，网络流量就能被成功地识别与分析.

关键词: 机器学习, 决策树, 流量识别

Abstract:

Machine learning with C4.5 algorithm is proposed for network traffic identification. The correlation feature selection algorithm and the genetic algorithm are adopted to select the attribute feature subset. A method of combining N-fold cross-validation with testing set is suggested to assess the classification results of the current national broadband network traffic. Experiments demonstrate that network traffic can be successfully identified and analyzed, meanwhile, the port number and the application layer protocol label of network flows are not necessary to be known in advance.

Key words: machine learning, decision tree, flow identification

引用本文

马永立 钱宗珏 寿国础 胡怡红. 机器学习用于网络流量识别[J]. 北京邮电大学学报, 2009, 32(1): 65-68.

Guochu Shou Yihong Hu. Network Flow Identification Based on Machine Learning[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2009, 32(1): 65-68.

使用本文

    /   /  推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文:https://journal.bupt.edu.cn/CN/10.13190/jbupt.200901.65.mayl

              https://journal.bupt.edu.cn/CN/Y2009/V32/I1/65

网址：机器学习用于网络流量识别 https://www.yuejiaxmz.com/news/view/391734

相关内容

网络学习，想学习网络知识不知从哪里入手
如何学习计算机网络——学习方法
学习网络基础知识的方法
小白也能轻松学的计算机网络零基础入门（附学习路线 + 计算机网络教程）
如何利用网络知识帮助自己的学习
【机器学习】深度神经网络（DNN）：原理、应用与代码实践
关于网络学习的总结
机器学习实现语音识别的背后技术详解
如何指导学生利用网络学习
一张图看懂AI、机器学习和深度学习的区别

随便看看