本文選題：traffic + classification��； 參考：《中國通信》2013年11期

【摘要】：P2P traffic has always been a dominant portion of Internet traffic since its emergence in the late 1990s.The method used to accurately classify P2P traffic remains a key problem for Internet Service Producers(ISPs)and network managers.This paper proposes a novel approach to the accurate classification of P2P traffic at a fine-grained level,which depends solely on the number of special flows during small time intervals.These special flows,named Clustering Flows(CFs),are defined as the most frequent and steady flows generated by P2P applications.Hence we are able to classify P2P applications by detecting the appearance of corresponding CFs.Compared to existing approaches,our classifier can realise high classification accuracy by exploiting only several generic properties of flows,instead of extracting sophisticated features from host behaviours or transport layer data.We validate our framework on a large set of P2P traffic traces using a Support Vector Machine(SVM).Experimental results show that our approach correctly classifies P2P applications with an average true positive rate of above 98%and a negligible false positive rate of about 0.01%.
[Abstract]:P2P traffic has always been a dominant portion of Internet traffic since its emergence in the late 1990s.The method used to accurately classify P2P traffic remains a key problem for Internet Service Producers(ISPs)and network managers.This paper proposes a novel approach to the accurate classification of P2P traffic at a fine-grained level,which depends solely on the number of special flows during small time intervals.These special flows,named Clustering Flows(CFs),are defined as the most frequent and steady flows generated by P2P applications.Hence we are able to classify P2P applications by detecting the appearance of corresponding CFs.Compared to existing approaches,our classifier can realise high classification accuracy by exploiting only several generic properties of flows,instead of extracting sophisticated features from host behaviours or transport layer data.We validate our framework on a large set of P2P traffic traces using a Support Vector Machine(SVM).Experimental results show that our approach correctly classifies P2P applications with an average true positive rate of above 98%and a negligible false positive rate of about 0.01%.
【作者單位】： College
【基金】：supported by the National Natural Science Foundation of China under Grants No.61170286,No.61202486
【分類號】：TP393.02

【共引文獻】

相關期刊論文 前10條

1 韋艷艷;李陶深;張超群;;集成分類器組合算法及其在醫(yī)學診斷中的應用[J];廣西大學學報(自然科學版);2013年05期

2 苑津莎;張利偉;王瑜;尚海昆;;基于極限學習機的變壓器故障診斷方法研究[J];電測與儀表;2013年12期

3 晁浩;楊占磊;劉文舉;;基于發(fā)音特征的漢語聲調(diào)建模方法及其在漢語語音識別中的應用[J];計算機應用;2013年10期

4 王林;金保f;沈凱;周長城;;基于環(huán)境監(jiān)管平臺的脫硫煙氣SVR模型及優(yōu)化[J];環(huán)境工程;2013年S1期

5 陳長遠;韓軍偉;胡新韜;程Xh;郭雷;;基于視覺顯著熵與Object Bank特征的圖像記憶性模型[J];計算機應用;2013年11期

6 趙李坤;蔣新華;楊海燕;;基于MLBPH-FF和SVM的駕駛員疲勞檢測[J];計算機與現(xiàn)代化;2013年09期

7 張學武;吳平平;劉宏;;基于視頻序列的實時人臉性別識別[J];華中科技大學學報(自然科學版);2013年S1期

8 唐浩;李哲媛;劉宏;;人體背影序列運動特征的性別識別方法[J];華中科技大學學報(自然科學版);2013年S1期

9 劉一楠;周亞建;;基于支持向量機與結構相似度的圖像數(shù)字水印算法[J];軟件;2013年08期

10 周詠梅;楊佳能;陽愛民;;面向文本情感分析的中文情感詞典構建方法[J];山東大學學報(工學版);2013年06期

相關會議論文 前2條

1 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進展[A];2013年中國智能自動化學術會議論文集（第五分冊）[C];2013年

2 朱強華;鄭鐵然;韓紀慶;;行車環(huán)境下基于二值語譜圖的聲學事件檢測[A];第十二屆全國人機語音通訊學術會議（NCMMSC'2013）論文集[C];2013年

相關博士學位論文 前8條

1 王寶勛;面向網(wǎng)絡社區(qū)問答對的語義挖掘研究[D];哈爾濱工業(yè)大學;2013年

2 常廣;高壓斷路器振動監(jiān)測與故障診斷的研究[D];北京交通大學;2013年

3 姜恩宇;基于直腸感知功能重建的人工括約肌系統(tǒng)研究[D];上海大學;2013年

4 邵喜高;基于統(tǒng)計學習理論的多核預測模型研究及應用[D];中南大學;2013年

5 木瑞塔（Murtada Khalafallah Elbashir Elfaki）;基于機器學習和統(tǒng)計方法的蛋白質(zhì)結構特征預測[D];中南大學;2013年

6 張國鵬;三維紋理分析在虛擬結腸鏡計算機輔助檢測/診斷中的應用研究[D];第四軍醫(yī)大學;2013年

7 鄧盛川;具有調(diào)峰爐的熱力站節(jié)能控制策略研究[D];哈爾濱工業(yè)大學;2012年

8 張志敏;化學計量學算法實現(xiàn)的軟件開發(fā)基礎研究[D];中南大學;2012年

相關碩士學位論文 前10條

1 解岳鋒;流量識別特征選擇算法的研究與改進[D];西安電子科技大學;2013年

2 馬靜;基于數(shù)據(jù)不平衡的SVM方法預測microRNA[D];燕山大學;2013年

3 冉沛;基于特征提取的篡改圖像取證研究[D];重慶大學;2013年

4 徐星宇;基于模式識別和分子模擬的酶的熱穩(wěn)定性研究[D];江南大學;2013年

5 袁魯峰;基于特征篩選方法預測不同離子通道活性的芋螺毒素[D];電子科技大學;2013年

6 劉峰;基于多目標優(yōu)化的多標簽分類算法參數(shù)調(diào)諧研究[D];南京師范大學;2013年

7 袁建洲;風電場短期功率預測方法的研究[D];南昌大學;2013年

8 周明輝;運動車輛車牌識別算法的研究與實現(xiàn)[D];昆明理工大學;2013年

9 張琪;基于HBV病毒序列的突變位點挖掘與系統(tǒng)進化研究[D];昆明理工大學;2013年

10 張軼;干擾量化類隱寫的檢測[D];解放軍信息工程大學;2013年

【相似文獻】

相關期刊論文 前10條

1 孫鵬,董玉華,韓正之;基于數(shù)據(jù)鏈路層的局域網(wǎng)流量統(tǒng)計的實現(xiàn)[J];計算機工程與應用;2002年05期

2 張普含,孫玉芳;一種基于移動代理的網(wǎng)絡管理系統(tǒng)及性能分析[J];軟件學報;2002年11期

3 陶滔,馬淑萍,羅江琴;網(wǎng)絡路由信息安全應用研究——基于流量預測的路由選擇新算法[J];中國安全科學學報;2003年05期

4 李超,王淵明,李小青;基于隨機早期偵測和計點控制的避免擁塞實現(xiàn)[J];信息技術;2005年10期

5 朱敏;;基于NetFlow網(wǎng)絡流量異常的分析[J];計算機系統(tǒng)應用;2006年04期

6 黃蕊;凌東;;寬帶互聯(lián)網(wǎng)的帶寬管理[J];中國新通信;2006年11期

7 盧俊武;;網(wǎng)絡性能測量結果分析技術——數(shù)據(jù)采樣[J];廣西通信技術;2009年03期

8 詹紅霞;邱輝;;訪問控制列表[J];沙漠與綠洲氣象;2009年S1期

9 大鍋飯;;好網(wǎng)編是如何練成的流量就是RMB![J];電腦愛好者;2009年19期

10 張全新,李紅;計算機網(wǎng)絡進網(wǎng)級流量控制的分析[J];蘭州鐵道學院學報;1999年05期

相關會議論文 前2條

1 劉欣然;;一種新型網(wǎng)絡攻擊分類體系[A];全國網(wǎng)絡與信息安全技術研討會'2005論文集（上冊）[C];2005年

2 翟偉斌;許榕生;;基于Internet的CIS研究[A];第十三屆全國核電子學與核探測技術學術年會論文集（下冊）[C];2006年

相關重要報紙文章 前7條

1 阮征;企業(yè)網(wǎng)絡需要流量管控[N];電腦報;2009年

2 本報記者 吳玉征;斬斷流量的黑手[N];計算機世界;2009年

3 李剛;港灣網(wǎng)絡服務福建省博物館[N];計算機世界;2003年

4 專訪嘉賓 中央民族大學現(xiàn)代教育技術部網(wǎng)絡中心主任 馬傳連;流量管控已成高校網(wǎng)絡救命稻草[N];電腦報;2009年

5 雨風;流量管控讓企業(yè)網(wǎng)絡“渠清如許”[N];電腦報;2009年

6 李佳 搜索引擎優(yōu)化工程師;SEOer:網(wǎng)站的流量之源[N];電腦報;2010年

7 本報記者 那罡;優(yōu)化廣域網(wǎng)流量[N];中國計算機報;2010年

相關博士學位論文 前3條

1 鄭裕峰;高速包分類協(xié)處理器及網(wǎng)絡平臺研究[D];中國科學技術大學;2007年

2 尹世群;Web文本分類關鍵技術研究[D];西南大學;2008年

3 齊建東;基于數(shù)據(jù)挖掘的入侵檢測方法及系統(tǒng)研究[D];中國農(nóng)業(yè)大學;2003年

相關碩士學位論文 前10條

1 石景龍;網(wǎng)絡流量統(tǒng)計分析系統(tǒng)[D];吉林大學;2005年

2 潘玲琳;基于關聯(lián)規(guī)則的六度分隔系統(tǒng)設計與實現(xiàn)[D];華東師范大學;2007年

3 曹卓文;基礎教育網(wǎng)站黃頁系統(tǒng)研究[D];南京師范大學;2008年

4 黃勇軍;基于多速率分層組播網(wǎng)絡擁塞控制研究[D];中南大學;2008年

5 宋永宏;模糊分類技術在入侵檢測中的應用[D];西安電子科技大學;2006年

6 蔣杰;基于分類技術的電子支付平臺作弊賬戶的識別模型研究[D];浙江工業(yè)大學;2012年

7 魏家好;包分類算法研究及其在Linux防火墻中的應用[D];合肥工業(yè)大學;2006年

8 熊志勇;數(shù)據(jù)挖掘在反垃圾郵件領域中的應用與研究[D];南昌大學;2006年

9 熊德蘭;中文網(wǎng)頁褒貶傾向性分類研究[D];鄭州大學;2006年

10 李軍輝;中文郵件語料庫建設[D];蘇州大學;2006年

，

本文編號：2091693