基于SVM的并行网络流量分类方法

作者：裴杨; 王勇; 陶晓玲; 李平红

来源：计算机工程与设计, 2013, (08): 2646-2650.

• 网络流量分类
• 支持向量机
• 并行
• 映射规约
• 云计算 network traffic classification
• support vector machine
• parallel
• MapReduce
• cloud computing

针对SVM(support vector machine)算法应用到大规模网络流量分类中存在计算复杂度高、训练速度慢等问题,提出一种基于云计算平台进行并行网络流量分类的SVM方法,以提高对大数据集的分类训练速度。该方法是一种采用云计算平台构建多级SVM和映射规约(MapReduce)模型的方法。它将训练数据集划分为多个子训练数据集,通过对所有子训练数据集进行并行训练,得到支持向量集,进而训练出流量分类模型。实验结果表明,与传统的SVM方法相比,并行SVM网络流量分类方法在保持较高分类精度的前提下,有效地减少了训练时间,提高了大规模网络流量分类的速度。

• 单位
  桂林电子科技大学