基于SSOM的网络流量分类方法

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第３７卷Байду номын сангаас 第１期０
Ｖｌ．７Ｏ３１
・
计
算
机
工
程
２１０１年５月
Ｍａ２１ｙ０１
ＮＯ．０１
ＣｏｐｔｒＥｎｉｅｒｎｍｕｅｇｎｅｉｇ
网络与通信・
文章编号：０Ｉ＿２（１１＿１４＿３文献标１０３８０１ｏ一１－０卜４２）０识码：Ａ
ｐｃｅａｌａｓｓｃｓｌｗｃｕａｙａｄｌｔｄａｐｉａｉｎｒｇｏ．ＴｓｐｐｒｐｏｏｅｔｏａｅｎａＳｕｅｖｓｄＳｌ－ｇｎｚｎａｓａｋｔｐｙｏｄ，ｕｈａｏａｃｒｃｎｉｅｐｌｔｏｅｉｎｈｉａｅｒｐｓｓａｍｅｈｄｂｓｄｏｐｒｉｅｅｆＯｒａｉｉｇＭｐｍｉｃ
（ＳＳＯＭ）的网络流量分类方法。该方法使用已标注类别的网络流量训练集，通过改变自组织映射（ＯＭ）ｌＳ￣练过程中的权值调整规则，使输出Ｉｌ层中获胜神经元的选择更容易，各类别之间划分更清晰，从而提高分类性能。实验结果表明，ＳＯＭ的分辨率及拓扑连续性均优于ＳＭ，ＳＯ
［ｙｗｒｓｅｆｇｎｚｎｐ（ＯＭ）ｎｔｒａｃｃａｓｉｔｎＫｅｏｄ］ＳｌＯｒａｉｉｇＭａｓＳ－；ｅｗｏｋｒｆ；ｌｓｉｃｉｔｉｆａｏＤ：０３６／ｉｎ１０ —４８２１．３０Ｉｉ９９ｊｓ．００３２．０１０６．ｓ１０
（ＳＳＯＭ）ｅｗｏｋｃａｓｉａｉｎｍｅｏｏｒｆｃｃｓｉｃｔｎＴｅｍｅｏｓｓｔｉｉｇｄｔｓｔｏｅｗｏｋｔｆｃｗｉｈｈｓｂｅｂｌｄｔｅｎｔｒｌｉｃｔｔｄｆｒｔｉｌｓａｏ．ｈｔｄｕｅｒｎｎａｅｆｔｒ‘ ａｈｃａｅｎｌｅｓｆｏｈａａｆｉｉｈａａｎｒｉａｅｈ
［ｓｒｃ］ＩｒｅｏｖｅｐｏｌｎｃｒｎｒａｌｓｏｌｋｏｎＴＰｏＡｂｔａｔｎｏｄｒｔｓｌｅｔｒｂｅｉｕｒｔｋｔｔｅｉｎｗｅｌｎｗＣｒｏｈｍｓｅｗｏｈｒｅＵＤＰｐｒｎｍｂｒｒｎｅｒｔｇｔｅｃｎｅｔｏｏｔｕｅｓｏｔｒｅｉｏｔｓｆｉｐｎｈｎ
ｔａｃｃａｓｓｎｈｎｅｈｅａａｔｔｕｌｆｗｅｇｓｉＯＭｒｉｉｇｐｏｅｓｗｈｃａｉｒｔｈｏｅｔｅｗｉｎｎｅｒｎｏｕｐｔｌｙｒａｄｒｆｌｓｅ，ａｄｃａｇｓｔｄｐａｉｒｅｏｉｈｎＳｉｏｎｔａｎｎｒｃｓ，ｉｈｅｓｅｏｃｏｓｈｎｉｇｎｕｏｆｏｔｕａｅｎｄｖｄｓｅｃｌｓｒｌａｌ，ｎｍｐｏｅｈｅｉｒｎｅｏｌｓｉｃｔｏＥｐｒｍｅｔｌｅｕｌｈｗｈＳｉｉｅａｈｃａｓｍｏｅｃｅｒｙａｄｉｒｖｓｔｅｐｒｏｍａｃｆｃａｓｆａｉｎｘｅｉｎａｓｔｓｏｔｅＳＯＭｅｗｏｋａｇｒｔｍａｅｔｒｉｒｓｎｔｒｌｏｉｈｈｓａｂｔｅｒｓｌｔｎａｄａｍｏｅｃｎｉｏｓｍａｐｎｈｎＳＯＭＩｐｌｉｇｔｅｗｏｋｔｆｉｌｓｉｃｔｏｓａｈｉｅｃｕａｙｒｔ．ｅｏｕｉｎｒｏｔｏｎｕｕｐｉｇｔａｔａｐｙｎＯｎｔｒｒｃｃａｓｆａｉｎｈａｇｈｒａｃｒｃａｅｓａｉ
对网络流量分类具有更高的准确率。
关键诃：自组织映射；网络流量；分类
ＮｅｗｏｋｎａｃＣｌｓｉｃｔｎＭｅｈｄＢａｅｎＳｏＭｔｒｍａｓｆａｉｔｏｓｄ０Ｓｉｏ
ＨＵｎＷＡＮＧｏｇ，Ｔｉｇ，Ｙｎ “ ＴＡＯａ－ｉｇＸｉｏｌｎ（．ｏｌｇｆｏｕｅｃｎｅａｄＥｇｎｅｉｇｂＣｌｇｆｎｏｍａｏｎｏａＣｌｅｍｐｔｒｉｃｎｎｉｅｒ；．ｏｌｅｆｒｔｎａｄＣｍｍｕｉｔｎｅｏＣＳｅｎｅｏＩｉｎｃｉ，ａｏＧｉｎＵｎｖｒｉｆｌｃｒｎｃＴｃｎｌｇ，ｉｎ５１０，ｈｎ）ｕｌｉｅｓｙｏＥｅｔｉｅｈｏｏｙＧｕｌ４０４Ｃｉａｉｔｏｉ
中圈分类号ｌＰ９３３Ｔ
基于ＳｏＭ的网络流量分类方法Ｓ
胡婷，王勇，陶晓玲
（桂林电子科技大学ａ计算机科学与工程学院；ｂ信息与通信学院，广西桂林５１０）．４０４摘要：针对目前基于端口号匹配和特征码识别的流量分类方法准确率低、应用范围受限等问题，提出一种基于有监督的自组织映射