基于支持向量机的P2P流量管理模型设计

doi:10.3969/j.cnki.jdxb.2015.04.007

journal6 ›› 2015, Vol. 36 ›› Issue (4): 26-29.DOI: 10.3969/j.cnki.jdxb.2015.04.007

基于支持向量机的P2P流量管理模型设计

杜经纬

（运城学院计算机科学与技术系，山西运城 044000）

出版日期:2015-07-25 发布日期:2015-07-27
作者简介:杜经纬（1979—），男，山西芮城人，运城学院计算机科学与技术系讲师，硕士，主要从事计算机网络与信息安全研究.
基金资助:
山西省自然科学基金资助项目（2009011022-2）

Design of P2P Traffic Management Model Based on SVM

DU Jing-Wei

(Department of Computer Science and Technology,Yuncheng University,Yuncheng 044000,Shanxi China)

Online:2015-07-25 Published:2015-07-27

摘要/Abstract

摘要：对P2P的网络流量进行识别是P2P研究领域中的一个重大难题，为了实现对其管理，提出了一种基于支持向量机(SVM)的P2P流量分类管理模型.首先获取P2P网络流量数据，然后将获取的样本数据输入SVM并对SVM进行训练，最后将测试样本数据输入SVM进行P2P流量分类管理.仿真实验证明了该方法具有较高的检测率和较低的漏报率.

关键词： 支持向量机, 流量, P2P, 训练

Abstract: Network traffic recognition of P2P is one of the significant problems in P2P research.A classification management model based on SVM for P2P is thus proposed for its management.Firstly,the data is obtained from P2P network traffic;then the obtained sample data is input to the SVM for training；finally,the test sample is input to the SVM to realize its classification.The simulation experiment shows the method in this paper has the high detection rate and low false negative rate.

Key words: support vector machine, traffic, P2P, training

杜经纬. 基于支持向量机的P2P流量管理模型设计[J]. journal6, 2015, 36(4): 26-29.

DU Jing-Wei. Design of P2P Traffic Management Model Based on SVM[J]. journal6, 2015, 36(4): 26-29.

[1]	曲洪权, 刘欲哲, 庞丽萍, 单一平. 基于视觉和操作类脑电信号的脑力负荷分类[J]. 吉首大学学报（自然科学版）, 2022, 43(1): 31-37.
[2]	王战锋, 樊桦. 某DN 1 500烟气挡板流量特性的数值模拟[J]. 吉首大学学报（自然科学版）, 2021, 42(5): 44-49.
[3]	谢静, 杨盘隆, 魏星. 自适应跌倒前实时检测方法[J]. 吉首大学学报（自然科学版）, 2021, 42(3): 34-40.
[4]	黄尚江, 周小清, 胡晓欢, 罗卫东. 基于隐形传态的量子网络监控[J]. 吉首大学学报（自然科学版）, 2021, 42(2): 38-44.
[5]	邱国枢，张翔，刘军，王蕾，田青，郭建华. 基于图像处理的车辆识别系统设计[J]. 吉首大学学报（自然科学版）, 2019, 40(5): 18-24.
[6]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[7]	彭思江，戴厚平，周成富，刘倩. 基于HOG/PCA/SVM的跨年龄人脸识别算法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 24-28.
[8]	胡晓欢，周小清，李智伟，朱聿蔚. 基于隐形传态的量子通信流量与用户监测[J]. 吉首大学学报（自然科学版）, 2016, 37(5): 23-26.
[9]	陈丽，王景芹. 可靠性约束函数未知的网路费用最小化快速求解[J]. 吉首大学学报（自然科学版）, 2016, 37(4): 19-24.
[10]	申瑛, 杨焕志, 张振彬, 曾庆欢李平, 陈炳权, 张榜英. 基于活动轮廓与模糊型支持向量机的车辆分类算法[J]. journal6, 2015, 36(2): 55-59.
[11]	彭华, 莫礼平, 唐赞玉. CVE漏洞分类框架下的SVM学习模型构建[J]. journal6, 2013, 34(4): 62-66.
[12]	彭华, 李宗寿. 基于SVM的CVE漏洞分类框架构造[J]. journal6, 2013, 34(1): 66-71.
[13]	李海, 李春来, 侯德艳. 支持向量机下机器学习模型的分析[J]. journal6, 2010, 31(3): 39-42.
[14]	向昌盛, 周子英. 基于支持向量机的混沌时间序列预测[J]. journal6, 2009, 30(6): 35-39.
[15]	邓晖. 普通高校跨栏跑运动员栏间节奏训练——以男子110 m栏和女子100 m栏为例[J]. journal6, 2009, 30(4): 126-128.

基于支持向量机的P2P流量管理模型设计

Design of P2P Traffic Management Model Based on SVM

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价