一种基于TCM主动学习的P2P流识别技术.pdfVIP

高技术通讯圆园员园年第圆园卷第苑期：远苑源 耀远苑怨摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 凿燥蚤：员园援猿苑苑圆辕 躁援蚤泽泽灶援员园园圆鄄园源苑园援圆园员园援园苑援园园猿 一种基于栽悦酝 主动学习的孕圆孕流识别技术① ②     戴摇 磊 摇 云晓春 摇 张永铮 摇 吴志刚  （ 中国科学院计算技术研究所摇 北京 员园园员怨园）  （ 中国科学院研究生院摇 北京 员园园园猿怨） 摘摇 要摇 针对目前基于机器学习的流识别仍然存在着建立分类模型需要大量适用的训练 数据，训练数据的标记需要依赖领域专家，因而导致工作量及难度过大和实用性不强的问 题，采用主动学习技术提取少量高质量的训练样本进行建模，并结合支持向量机（杂灾酝） 分类算法提出了一种基于直推信任机（栽悦酝）的样本筛选方法。实验结果表明，相对于已 有的流识别方法，这种方法能够在仅依赖少量高质量训练样本的前提下，保证较高的召回 率及较低的误报率，更适用于现实网络环境。 关键词摇 支持向量机（杂灾酝），主动学习，直推信任机（栽悦酝），机器学习，不确定性采样 ［猿］ 糟 蚤灶藻，杂灾酝）算法的流识别方法 ，基于贝叶斯算法 ［圆］ 园摇 引言 的流识别方法 等。它们在一定程度上取得了较 好的识别效果，但在很大程度上依赖于训练样本集。 孕圆孕技术能够实现网上的快速高效的直接共享 而在实际应用中，搜集网络中孕圆孕数据并对其类别 和交互，目前已广泛应用于文件共享、实时通信、流 进行正确的标注会具有一定难度并耗费大量人力。 媒体、协同工作等领域。但孕圆孕技术的大量使用也 针对这种情况，本文提出了一种基于直推信任机 带来了相应的问题，已有的研究表明，孕圆孕流量已占 （贼则葬灶泽凿怎糟贼蚤增藻 糟燥灶枣蚤凿藻灶糟藻 皂葬糟 蚤灶藻，栽悦酝）主动学习的 ［员］ 据网络中业务总量的苑园豫 ，抢占了网络带宽，增 流分类方法，并通过实验证明了其有效性。 大了网络设备负载，降低了网络性能，劣化了网络服 务质量，妨碍了正常网络业务的开展和关键应用的 员摇 相关工作 普及，因此，必须对孕圆孕流量进行识别和控制，这对 于网络维护和运营具有重要意义。孕圆孕流的检测属 在流分类中使用机器学习技术的思想在文献 于流分类领域的研究内容，早期的流分类多依赖应 ［源 ］中的入侵检测中初次提出。文献［缘 ］的作者使 用层端口或检测深层数据包的内容。然而随着孕圆孕 用主成 析（责则蚤灶糟蚤责葬造 糟燥皂责燥灶藻灶贼 葬灶葬造赠泽蚤泽，孕悦粤） 技术的快速发展，相关的应用不断增加，端口和协议 和密度估计方法把流分类到不同的应用。文献［远 ］ 的使用也更加灵活，加密与混淆技术也被应用于 选取流的 源 个属性作特征，使用最近邻（灶藻葬则藻泽贼 孕圆孕业务中，基于端口或检查包内容的方法的有效 灶藻蚤早 遭燥怎则，晕晕）和线性判别式分析（造蚤灶藻葬则 凿蚤泽糟则蚤皂蚤鄄 性及性能逐渐降低。由于传统的流分类技术存在弊 灶葬贼藻 葬灶葬造赠泽蚤泽，蕴阅粤）方法成功地把网络应用映射到 端，研究者们逐渐转向使用流的统计特性进行流识