基于信息熵的自适应网络流概念漂移分类方法.PDF

第 卷 第 期 ４０ ７ 　 　　 　　 　　 　　 Ｖｏｌ．４０ Ｎｏ．７ 年 月 ２０１７ ７ Ｊｕｌ ２０１７ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ ｙ 　 基于信息熵的自适应网络流概念漂移分类方法 潘吴斌 程 光 郭晓军 黄顺翔 　 　 　 （东南大学计算机科学与工程学院 南京 ２１００９６） 　 　 （计算机网络和信息集成教育部重点实验室（东南大学） 南京 ２１００９６） 　 　 摘 要 由于网络流量特征随时间和网络环境的变化而发生改变，导致基于机器学习的流量分类方法精度明显降 　 　 低 同时，根据经验定期更新分类器是耗时的，且难以保证新分类器泛化性能 因而，文中提出一种基于信息熵的自 ． ． 适应网络流概念漂移分类方法，首先根据特征属性的信息熵变化检测概念漂移，再采用增量集成学习策略在概念 漂移点引入当前流量建立的分类器，并剔除性能下降的分类器，达到更新分类器的目的，最后加权集成分类结果． 实验结果表明该方法可以有效地检测概念漂移并更新分类器，表现出较好的分类性能和泛化能力． 关键词 概念漂移；机器学习；信息熵检测；增量集成学习；流量分类 　 《 中图法分类号 号 ／ ＴＰ３９３ 犇犗犐 １０．１１８９７ＳＰ．Ｊ．１０１６．２０１７．０１５５６ 　　　 计 犃狀犃犱犪狋犻狏犲犆犾犪狊狊犻犳犻犮犪狋犻狅狀犃 狉狅犪犮犺犅犪狊犲犱狅狀犐狀犳狅狉犿犪狋犻狅狀犈狀狋狉狅 犳狅狉 狆 狆狆 狆狔 犖犲狋狑狅狉犽犜狉犪犳犳犻犮犻狀犘狉犲狊犲狀犮犲狅犳犆狅狀犮犲狋犇狉犻犳狋 算 狆 ＰＡＮＷｕＢｉｎ ＣＨＥＮＧＧｕａｎ ＧＵＯＸｉａｏＪｕｎ ＨＵＡＮＧＳｈｕｎＸｉａｎ 　 ｇ　 　 ｇ 机 （ ， ， ） 犛犮犺狅狅犾狅 犆狅犿 狌狋犲狉犛犮犻犲狀犮犲犪狀犱犈狀犻狀犲犲狉犻狀 犛狅狌狋犺犲犪狊狋犝狀犻狏犲狉狊犻狋 犖犪狀犻狀 ２１００９６ 犳 狆 犵 犵 狔 犼 犵　 （ ， ，