基于决策树模型的P2P流量分类方法.pdfVIP

第26卷第 12期 计 算 机 应 用 研 究 V01．26No．12 2009年 l2月 ApplicationResearchofComputers Dec．20o9 基于决策树模型的P2P流量分类方法 陈云菁，张 赞，陈经涛 (扬州大学信息工程学院，江苏扬州225009) 摘 要：P2P流量逐渐成为互联网流量的重要组成部分，精确分类P2P流量对于有效管理网络和合理利用网络 资源都具有重要意义。近年来，利用机器学习方法处理 P2P流量分类问题 已成为流量识别领域的一个新兴研究 方向。利用决策树 中的C4．5算法和P2P流量的特征属性来构建决策树模型，进而完成P2P流量分类 问题。实 验结果表明，基于决策树模型的方法能有效避免P2P网络流分布变化所带来的不稳定性；与 SVM(supportvector machine，支持向量机)、NBK(na~veBayesusingkerneldensityestimation，改进的朴素贝叶斯)方法相 比，其平均分 类准确率能提高至少3．83个百分点。 关键词：对等网；流量特征；决策树；流量分类；C4．5 中图分类号 ：TP393 文献标志码：A 文章编号 ：1001—3695(2009)12—4690—04 doi：10．3969／j．issn．1001—3695．2009．12．081 MethodforP2Ptrafficclassificati0nbasedondecision—treemodel CHENYun-jing，ZHANGYun，CHENJing—tao (CollegeofInformationEngineering，YangzhouUniversity，YangzhouJiangsu225009，~ina) Abstract：P2Ptraffichasbecomeoneofthemostsignificantpotionsofthenetworktraffic．AccurateidentificationofP2P trafficmakesgreatsenseforefficientnetworkmanagementandreasonableutilityofnetworkresources．Inrecentyears．P2P trafficclassificationusingmachinelearninghasbeenanew direction intrafficidentification．Thispaperproposedanew meth— odbasedondecision．treemode1．usingC4．5andP2Ptrafficcharacteristic．Theexperimentsshow thismethodcaneffectively avoidtheinstabilityof12Ptrafficdistributionchange．ComparedwithSVM andNBK method．theaverageofclassifiedpreei— sioncan increaseatleast3．83percentagepoints． Ke-vwords：P2P；trafficcharacteristic；decision—tree；trafficclassification；C4．5 流量分类的研究。文献 [6]提出使用无监督 (unsupervised)技 0 引言 术基于流统计特性实现流量的自动分类和应用识别，统计流特 性包括流字节数、流持续时间、分组长度平均值和方差、分组到 自20世纪90年代点对点网络传输