大規(guī)模的netflow訓(xùn)練數(shù)據(jù)集是構(gòu)建高質(zhì)量、高穩(wěn)定網(wǎng)絡(luò)流量分類器的必然要求。但隨著網(wǎng)絡(luò)流特征維數(shù)的提高和數(shù)據(jù)集規(guī)模的擴(kuò)大,無論是網(wǎng)絡(luò)流的分析處理還是基于支持向量機(jī)（SVM）的分類器模型的訓(xùn)練,都無法在有效的時(shí)間內(nèi)得到有效的處理結(jié)果。本文基于Hadoop云計(jì)算平臺(tái),采用MapReduce技術(shù)對(duì)SVM網(wǎng)絡(luò)流量分類器進(jìn)行分布式學(xué)習(xí)和訓(xùn)練,構(gòu)建CloudSVM網(wǎng)絡(luò)流量分類器。通過對(duì)來自校園網(wǎng)出口鏡像的近2T的大規(guī)模網(wǎng)絡(luò)流量的跟蹤文件的分布式存儲(chǔ)和處理,對(duì)抽取的樣本數(shù)據(jù)集進(jìn)行分類,實(shí)驗(yàn)驗(yàn)證了基于Hadoop平臺(tái)分布式存儲(chǔ)和并行處理大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)集的高效率性,也驗(yàn)證了CloudSVM分類器在不降低分類準(zhǔn)確度的情況下可以快速收斂到最佳,并隨著大規(guī)模網(wǎng)絡(luò)流樣本的增加,SVM分類器訓(xùn)練的時(shí)間趨近平穩(wěn)。 

【文章來源】：太赫茲科學(xué)與電子信息學(xué)報(bào). 2020,18(05)北大核心

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)網(wǎng)絡(luò)流量識(shí)別的研究[J]. 鄧緋.  蘭州文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]基于傳輸層特征和統(tǒng)計(jì)特征的P2P流量識(shí)別[J]. 莫遙,梁鑄,吳波,陳翔.  太赫茲科學(xué)與電子信息學(xué)報(bào). 2019(01)
[3]網(wǎng)絡(luò)背景流量的分類與識(shí)別研究綜述[J]. 鄒騰寬,汪鈺穎,吳承榮.  計(jì)算機(jī)應(yīng)用. 2019(03)
[4]基于并行DAGSVM的網(wǎng)絡(luò)流量分類方法[J]. 梁文國,王勇,俸皓.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(02)
[5]Hadoop平臺(tái)分布式SVM算法分類研究[J]. 滿蔚仕,吉元元.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(08)
[6]基于Hadoop平臺(tái)的分布式SVM參數(shù)尋優(yōu)[J]. 吳云蔚,寧芊.  計(jì)算機(jī)工程與科學(xué). 2017(06)
[7]基于多層MapReduce的混合網(wǎng)絡(luò)流量分類特征選擇方法[J]. 王勇,龍也,陶曉玲,韋毅.  桂林電子科技大學(xué)學(xué)報(bào). 2016(02)
[8]一種基于SVM的P2P網(wǎng)絡(luò)流量分類方法[J]. 鄧河,陽愛民,劉永定.  計(jì)算機(jī)工程與應(yīng)用. 2008(14)
[9]支持向量機(jī)訓(xùn)練算法及其應(yīng)用[J]. 王平,毛劍琴.  信息與電子工程. 2005(04)

碩士論文
[1]基于Hadoop和HBase的網(wǎng)絡(luò)流量分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 董欣.大連理工大學(xué) 2018
[2]基于Hadoop的報(bào)文數(shù)據(jù)挖掘研究與應(yīng)用[D]. 曹佳豪.武漢郵電科學(xué)研究院 2018
[3]基于機(jī)器學(xué)習(xí)方法的網(wǎng)絡(luò)流量分類研究[D]. 鄧河.湖南工業(yè)大學(xué) 2009



本文編號(hào)：3253254