基于半监督学习的网络流量分类.pdfVIP

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于半监督学习的网络流量分类.pdf

第35卷 第l2期 计 算 机 工 程 2009年6月 1.35 No.12 ComputerEngineering June2009 ·网络与通信 · 文章编号:100o_-3428(2o09)12—009o__02 _j丽萄面 ————— -i 基于半监督学习的网络流量分类 余 锋,王小玲 (中南大学信息科学与工程学院,长沙 410083) 摘 要:利用攻击在网络通信中独特的流特征,给出一个可以适应已知和未知攻击的半监督分类方法。在训练分类器中,提出使用加权采 样技术得到训练流,同时采用顺序前向选择算法得到最佳的特征子集。使用KDDCUP1999性能评估数据,可以得到较高的流和字节分类 准确度。 关健词:网络流量分类;半监督学习;模糊C均值;入侵检测 NetworkTrafficClassificationBasedonSemi-supervisedLearning SHEFeng,WANG Xiao—ling (SchoolofInformationScienceandEngineering,CentralSouthUniversity,Changsha410083) [Abstract]Thispaperexploitsdistinctiveflowcharacteristicsofattackswhentheycommunicateonanetwork,andproposesasemi—supervised classification method thatcan accommodateboth known and unknown attacks.In training theclassifier,itemploysSequentialForward Selection(SFS)togetthebestfeaturesubsetMeanwhile,itproposesweightedsamplingtechniquestoobtaintrainingflows.Perfomranceevaluation usingKDDCUP1999datashowsthathighflow andbyteclassificationaccuracycanbeachieved. [Keywords]networktrafficclassification;semi-·supervisedlearning;FuzzyC--Means(FCM);intrusiondetection l 概述 这种分类方法被称为半监督学习 J。 网络流量分类是众多网络活动的基础,根据具体类型动 2.1 聚类方法 态识别和分类流量的能力非常关键,如网络运营商可以找出 首先利用标记和未标记的流进行聚类训练分类器。聚类 异常网络流量以减轻恶意行为的影响。 的好处是有能力确定隐藏类型,如可以通过检查形成的新簇 最近,Moorel】等人采用基于NaiveBayes分类的监督学 识别新攻击类型以及改变行为的现有攻击。不失一般性,本 习方法分类网络流量。然而,监督分类面临2个主要挑战。 文采用欧氏距离作为属性向量 和Y,之间的相似性度量: 首先,标记的例子稀缺且难以获取,传统监督学习方法用少 厂m ] d(x,,)=l∑(— )I (1) 量已标记的例子产生的分类器,往往不能归纳以前没出现的

文档评论(0)

尐丶丑 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档