一种基于本体的并行网络流量分类方法

摘要：

海量网络流量数据的处理与单一节点的计算能力瓶颈这一矛盾导致数据分类效率低，无法满足现实需求。为解决这一问题，结合本体与MapReduce技术各自在海量异构数据描述与处理方面的优势，提出一种基于本体的并行网络流量分类方法。该方法基于MapReduce并行计算架构，根据网络流量本体结构，对网络流量本体并行化构建；通过并行知识推理完成基于流量统计特征的网络流量分类。实验结果表明，集群环境下基于MapReduce的网络流量本体构建效率明显高于单机环境，而且适当增加计算节点使得加速比线性提升；并行知识推理的分类方法能够有效地提高大规模网络流量的分类效率。

关键词：知识推理、MapReduce、网络流量分类、本体、并行化

所属期刊栏目：45

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61163058,61363006；广西可信软件重点实验室开放课题KX201306；广西高校云计算与复杂系统重点实验室开放课题14104

在线出版日期：2016-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：417-422