网站大量收购独家精品文档,联系QQ:2885784924

基于SVM的机器学习识别P2P流的方法的研究与实现的中期报告.docx

基于SVM的机器学习识别P2P流的方法的研究与实现的中期报告.docx

  1. 1、本文档共2页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于SVM的机器学习识别P2P流的方法的研究与实现的中期报告 一、研究背景及意义: 互联网网络犯罪日益猖獗,其中以P2P(点对点技术)的网络犯罪形式最为常见。P2P技术的本身具有一定的隐蔽性,如果放任不管,则会对网络环境造成很大的危害。因此,针对P2P流的识别技术具有十分重要的意义。P2P流识别是指对于网络流量流向的判断,判断该流量是属于P2P还是其他类型,属于实现网络流控的一个重要目标。 本研究的目标是基于SVM算法进行P2P流识别,对SVM算法进行深入研究,结合网络流量特点,建立合适的特征集,提高P2P流的准确率和识别效率,促进网络安全的发展,提供实际有效的解决方案。 二、研究内容: 1、对SVM算法进行深入研究,掌握其原理和应用; 2、研究网络流量特点,确定合适的特征集,并进行特征提取; 3、建立适合的P2P流SVM识别模型,对模型进行训练和测试; 4、分析实验结果,比对不同特征集和参数的影响,提高P2P流的准确率和识别效率。 三、研究方法: 1、查阅相关学术文献,了解SVM算法、网络流量特征、P2P流等知识; 2、使用Python编程语言进行实现,主要使用的库有scikit-learn、numpy、matplotlib等; 3、使用Wireshark 网络协议分析工具进行数据包抓取和分析; 4、参考已有研究成果,借助开源工具对数据集进行处理; 四、研究进展: 1、已经完成对SVM算法的学习和实验基础部分; 2、已经收集整理网络流量数据集并初步进行分析; 3、已经完成对某一数据集特征提取和SVM模型建立的实验,并初步分析实验结果。 五、下一步工作: 1、继续深入研究SVM算法理论及应用,并探索其他相关的机器学习算法; 2、进一步完善数据集和特征提取方法,提高实验准确率; 3、进行更多实验,分析实验结果,探索提高P2P流识别精度和提高识别效率的方法。 六、参考文献: [1]钟文静,黄宏辉. 基于SVM算法的P2P流量识别研究[J].计算机系统应用,2015,24(07):156-158+165. [2]肖芳,左建军.基于机器学习的网络流量识别研究[J].计算机工程,2017,43(12):258-261. [3]沈红梅,陈奕,赵晓春,等.流量识别技术综述[J].通信学报,2016,37(05):220-234.

文档评论(0)

kuailelaifenxian + 关注
官方认证
内容提供者

该用户很懒,什么也没介绍

认证主体太仓市沙溪镇牛文库商务信息咨询服务部
IP属地上海
统一社会信用代码/组织机构代码
92320585MA1WRHUU8N

1亿VIP精品文档

相关文档