非平衡网络流量识别方法

• 作 者: 燕呙昊 韩国栋 黄雅静 王孝龙
• 机 构: 国家数字交换系统工程技术研究中心
• 出 处: 计算机应用
• 发表日期: 2018年1期
• 关键词: 非平衡数据 P2P流量 流量识别 机器学习 合成少数类过采样技术算法 imbalanced data Peer-to-Peer （P2P） traffic tr
• 基金项目: 国家科技重大专项（2016ZX01012101）,国家自然科学基金面上项目（61572520）,国家自然科学基金创新群体项目（61521003）.

针对网络中存在的对等网络（P2P）流量泛滥导致的流量失衡问题，提出将非平衡数据分类思想应用于流量识别过程。通过引入合成少数类过采样技术（SMOTE）算法并进行改进，提出了均值SMOTE（M—sMOTE）算法，实现对流量数据的平衡化处理。在此基础上分别采用3种机器学习分类器：随机森林（RF）、支持向量机（SVM）、反向传播神经网络（BPNN）对处理后各类流量进行识别。理论分析与仿真结果表明，在不影响P2P流量识别准确率的前提下，与非平衡状态相比，引入SMOTE算法将非P2P流量的识别准确率平均提高了16．5