支持向量机在P2P流量识别中的应用

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (2): 38-40.doi: 10.3969/j.issn.1007130X.2010.

支持向量机在P2P流量识别中的应用

（长沙理工大学计算机与通信工程学院，湖南长沙 410076）

收稿日期:2008-06-13 修回日期:2008-10-10 出版日期:2010-01-25 发布日期:2010-01-26
通讯作者: 盘善荣 E-mail:panshanrong@sohu.com
作者简介:盘善荣(1978)，男，湖南永州人，硕士生，研究方向为网络安全和人工智能；傅明，博士，教授，研究方向为网络安全和网络管理；史长琼，博士，副教授，研究方向为网络信息安全和人工智能。

Application of the Supporting Vector Machine in P2P Traffic Identification

（School of Computer and Communication Engineering,Changsha University of Science and Technology,Changsha 410076）

Received:2008-06-13 Revised:2008-10-10 Online:2010-01-25 Published:2010-01-26

摘要/Abstract

摘要：

本文提出一种使用支持向量机来对P2P流量进行识别的方法，利用支持向量机二值分类的本质特性，将网络数据包分为P2P流和非P2P流，再利用它对多类问题也能进行分类的特性，将P2P流区分为某一种具体协议。实验证明，该方法具有较高的识别率,说明了采用支持向量机技术进行P2P流量识别的有效性。

关键词: SVM, P2P, 流量识别

Abstract:

This paper puts forward a method of P2P traffic identification based on SVM. Using the doublevalue classification and the essential characteristics of SVM, we classify the data packages of the Internet into the P2P class and the nonP2P class; using the method's ability to classify multiple category problems, we further denote the P2P stream as a specified protocol.The experimental results show that the method has a high identification rate,which shows the effectiveness of using the SVM technology in the identification of the P2P traffic.

Key words: SVM;P2P;traffic identification

中图分类号:

TP393.03

盘善荣, 傅明, 史长琼. 支持向量机在P2P流量识别中的应用[J]. J4, 2010, 32(2): 38-40.

PAN Shan-Rong, FU Meng, SHI Chang-Qiong. Application of the Supporting Vector Machine in P2P Traffic Identification[J]. J4, 2010, 32(2): 38-40.

[1]	韩辉, 麦合甫热提, 吾尔尼沙·买买提, 朱亚俐, 库尔班·吾布力, . 基于Gist和IPCA算法的多文种离线手写签名识别[J]. 计算机工程与科学, 2022, 44(11): 2048-2055.
[2]	崔弘, 赵双, 张广胜, 苏金树. 基于机器学习的移动代理应用流量识别方法[J]. 计算机工程与科学, 2022, 44(04): 654-664.
[3]	徐周波, 李萍, 刘华东, 李珍. 基于图嵌入与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机工程与科学, 2021, 43(06): 1052-1059.
[4]	党小超, 汝春瑞, 郝占军, . 基于CSI与SVM回归的室内定位方法[J]. 计算机工程与科学, 2021, 43(05): 853-861.
[5]	葛晓伟, 李凯霞, 程铭. 基于CNN-SVM的护理不良事件文本分类研究[J]. 计算机工程与科学, 2020, 42(01): 161-166.
[6]	龙军1,2，王宇楼1,2，袁鑫攀3，张华超1,2. P2P流媒体网络的关键节点识别算法[J]. 计算机工程与科学, 2019, 41(01): 56-64.
[7]	赵双,陈曙晖. 基于机器学习的流量识别技术综述与展望[J]. 计算机工程与科学, 2018, 40(10): 1746-1756.
[8]	李联辉，王丽，雷婷，丁少虎. 制造企业供应商排序决策：#br# 基于SVM和TFN-RS的改进TOPSIS[J]. 计算机工程与科学, 2018, 40(04): 757-764.
[9]	王昇1，刘开华1，王丽婷2. 舌诊图像点刺和瘀点的识别与提取[J]. 计算机工程与科学, 2017, 39(06): 1126-1132.
[10]	刘欢，苏士美. 基于EHMM-SVM的人脸识别算法研究[J]. 计算机工程与科学, 2017, 39(05): 925-930.
[11]	钟伟1，黄元亮2. 基于特征融合与决策树技术的表情识别方法[J]. 计算机工程与科学, 2017, 39(02): 393-398.
[12]	陈源，林海涛. 多层次P2P流量分类方法研究[J]. 计算机工程与科学, 2016, 38(12): 2471-2477.
[13]	刘亚，胡慧君，刘茂福. 基于混合染色体的带钢缺陷图像分类方法研究[J]. J4, 2016, 38(06): 1213-1219.
[14]	钱揖丽1，2，冯志茹1. 利用AdaBoost-SVM集成算法和语块信息的韵律短语识别[J]. J4, 2015, 37(12): 2324-2330.
[15]	陈青锋1，秦拯1,何流2，陈麟3. 一种高准确度多分类结构选择方法[J]. J4, 2015, 37(09): 1777-1782.

支持向量机在P2P流量识别中的应用

Application of the Supporting Vector Machine in P2P Traffic Identification

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价