基于机器学习的网络流量分类研究进展

摘要：

机器学习方法不依赖匹配协议端口或解析协议内容,而是利用网络流的各种统计特征识别网络应用,近年来得到了广泛关注和快速发展.本文总结了基于机器学习的网络流量分类方法自2004年来的研究进展,并且按有监督、无监督与半监督的区别进行分类、分析与比较.重点讨论了基于机器学习的网络流量分类研究的挑战与方向,即解决样本标注瓶颈、样本分布不平衡与动态变化、实时与连续分类以及分类算法可扩展性等核心问题.

关键词：机器学习、网络流、网络流量分类、统计特征

所属期刊栏目：33

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金广东联合基金重点项目U0735002;国家自然学基金面上项目60970146;广东省重大科技专项2009A080207008

在线出版日期：2012-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1034-1040