子空间流式分类方法在校园网IPv6流量上的应用研究

摘要

随着IPv4地址的耗尽,IPv6将被广泛部署使用。在互联网流量分类领域,目前大多研究对象为IPv4流量。采集校园网IPv6流量数据,开展数据预处理工作,为解决流量数据面临的概念漂移问题,改进流式机器学习算法(VFDT)。为每个类别搜索与之相关的特征集合,利用各特征集合建立子空间,在每个子空间利用流式机器学习算法建立分类模型,在分类过程中,不断学习新标记流量数据,改善分类模型。未知流量数据的类别预测为多个分类模型的投票结果。实验结果表明,改进的算法能改善流式学习方法在IPv6网络流量数据上的分类性能。