文献类型：期刊文章

作　　者：李君[1,2] 张顺颐[1] 王浩云[1] 李翠莲[2]

机构地区：[1]南京邮电大学信息网络技术研究所,南京210003 [2]浙江万里学院通信工程系,浙江宁波315100

出　　处：《应用科学学报》

基　　金：国家“863”高技术研究发展计划基金(No.2005AA121620,No.2006AA01Z232);浙江省自然基金(No.Y1080935);江苏省普通高校研究生创新计划基金(No.CX07B_110z)资助项目

年　　份：2009

卷　　号：27

期　　号：2

起止页码：124-130

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、INSPEC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：网络业务分类与识别是网络管理、网络规划和安全的必要途径,而Peer-to-Peer(P2P)流量由于采用伪装端口、动态端口以及应用层加密,已成为业务分类与识别的主要难点.该文提出了P2P业务的精确识别方法,通过对流统计特性的分析,提取相关特征属性,应用遗传算法选取最优特征属性子集,并采用贝叶斯网络机器学习方法识别P2P流量.实验表明K2,TAN和BAN能有效快速地识别P2P业务,分类精度高达95%以上,很大程度上优于朴素贝叶斯分类和BP神经网络方法.同时该系统具有可扩展性,能够识别未知的P2P流量,并适用于实时分类识别环境.

关 键 词：PEER-TO-PEER 流量识别  朴素贝叶斯 贝叶斯网络

分 类 号：O212.7]