国防科技重点实验室基金(NEUL20090101)
- 作品数：4 被引量：29H指数：3
- 相关作者：谭骏陈兴蜀杜敏朱锴毛灵更多>>
- 相关机构：四川大学更多>>
- 发文基金：国家重点基础研究发展计划国防科技重点实验室基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于优化SVM的P2P协议识别被引量：5
- 2011年
- 针对P2P应用提出了一种采用DFI深度流分析的方法,通过还原会话流,提取P2P数据流的各种属性特征,采用Grid Search、遗传算法、粒子群算法三种不同算法优化的支持向量机对网络数据流进行分类。通过实验测试,在P2P与非P2P的多种应用中,使用支持向量机进行设计的分类器分类准确率较高,均在90%以上,最高能达到97%。
- 毛灵陈兴蜀吴仲光谭骏杜敏
- 关键词：粒子群算法遗传算法支持向量机P2P
- 基于自适应BP神经网络的网络流量识别算法被引量：17
- 2012年
- 针对新兴网络应用无法使用传统的基于端口与特征码进行识别的问题,对基于流量统计分析的网络协议识别方法进行了研究,提出了基于自适应BP神经网络的流量识别算法。对BP神经网络结构难以确定、易陷入局部极小值等缺陷进行了分析,使用双粒子群算法对BP神经网络进行优化以提高识别率。实验表明,该算法能根据网络流量的统计特征有效地识别网络应用,且对于采用UDP协议的应用同样有较高的识别率,同时优化后的自适应BP神经网络训练时间更短;并能自动调整其结构,具有良好的自适应特性。
- 谭骏陈兴蜀杜敏朱锴
- 关键词：自适应算法神经网络粒子群优化统计特征
- 基于BPSO与神经网络的实时P2P协议识别算法被引量：8
- 2012年
- 针对互联网中P2P协议以及加密协议无法使用传统方法进行识别的问题,提出一种新的基于会话流统计特征的网络协议识别算法。采用二进制粒子群算法(BPSO)定量选出最能体现不同协议区别的特征子集;并针对BP(Back Propagation)神经网络结构难以确定、易陷入局部极小值等缺陷进行分析,使用粒子群算法对BP神经网络进行优化以提高识别率。实验结果表明:该方法能够有效地从多种网络特征属性中选出最能体现不同协议区别的特征子集,且对于基于UDP协议的网络应用也有较高识别率,经优化后的BP神经网络具有更高识别率。该算法对常见的P2P协议平均识别率达到96%,且能够实时地对网络协议进行识别。
- 谭骏陈兴蜀杜敏
- 关键词：粒子群算法神经网络统计特征实时性
- 基于特征加权与最近邻法的P2P协议识别算法被引量：1
- 2011年
- 针对新的P2P协议以及加密P2P协议无法使用传统方法进行识别的问题,提出一种新的基于流量统计特征的识别方法。首先定义了网络协议特征矢量的概念,并在此基础上使用类内、类间距离与遗传算法定量地对特征子集进行选择,同时由于不同属性所起的作用不同,提出了网络协议特征加权的概念,并使用粒子群优化算法计算特征权值。为了提高识别率,针对TCP协议与UDP协议分别建立了相应的特征空间。实验结果表明该方法能够有效地从多种属性特征中选择出最能够体现P2P协议之间以及P2P协议与非P2P协议之间区别的特征子集,且通过粒子群优化算法计算出的特征权值使识别率得到提高。实验证明通过该算法,对常见的P2P协议平均识别率达到了96%。
- 谭骏陈兴蜀杜敏
- 关键词：网络协议特征加权遗传算法粒子群优化
