计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
9期
136-140
,共5页
统计指印%VoIP%流量分类%支持向量机%互联网
統計指印%VoIP%流量分類%支持嚮量機%互聯網
통계지인%VoIP%류량분류%지지향량궤%호련망
Statistical fingerpinting%Voice over internet protocol%Traffic classification%Support vector machine,Internet
针对VoIP加密负载流量识别的难题,提出一种基于UDP统计指印混合模型的VoIP流量识别方法,以提高VoIP流量的识别精度和分类稳定性.该模型改进了统计指印模型中基于单一的网络流相异度来判定流量类别的方法,将UDP流的统计特征与网络流的统计指印相异度结合以共同训练一个支持向量机分类模型,把基于分类阈值点的分类转换到基于多维特征的高维空间中的分类面的分类,综合运用包层次和流层次统计特征,降低了因网络不稳定造成的统计特征偏差对分类模型精确度的影响.实验结果表明,该模型对VoIP流量的分类精确度达到97％以上,与统计指印模型和支持向量机模型相比分类稳定性更好.
針對VoIP加密負載流量識彆的難題,提齣一種基于UDP統計指印混閤模型的VoIP流量識彆方法,以提高VoIP流量的識彆精度和分類穩定性.該模型改進瞭統計指印模型中基于單一的網絡流相異度來判定流量類彆的方法,將UDP流的統計特徵與網絡流的統計指印相異度結閤以共同訓練一箇支持嚮量機分類模型,把基于分類閾值點的分類轉換到基于多維特徵的高維空間中的分類麵的分類,綜閤運用包層次和流層次統計特徵,降低瞭因網絡不穩定造成的統計特徵偏差對分類模型精確度的影響.實驗結果錶明,該模型對VoIP流量的分類精確度達到97％以上,與統計指印模型和支持嚮量機模型相比分類穩定性更好.
침대VoIP가밀부재류량식별적난제,제출일충기우UDP통계지인혼합모형적VoIP류량식별방법,이제고VoIP류량적식별정도화분류은정성.해모형개진료통계지인모형중기우단일적망락류상이도래판정류량유별적방법,장UDP류적통계특정여망락류적통계지인상이도결합이공동훈련일개지지향량궤분류모형,파기우분류역치점적분류전환도기우다유특정적고유공간중적분류면적분류,종합운용포층차화류층차통계특정,강저료인망락불은정조성적통계특정편차대분류모형정학도적영향.실험결과표명,해모형대VoIP류량적분류정학도체도97％이상,여통계지인모형화지지향량궤모형상비분류은정성경호.
