基于概念漂移检测的自适应流量分类方法

摘要：

针对网络流特征会随网络环境变化而发生改变,从而导致基于流特征的机器学习分类方法精度明显降低的问题.提出一种基于概念漂移检测的自适应流量分类方法,该方法借助Kolmogorov-Smirnov检验对出现的流量进行概念漂移检测,然后通过多视图协同学习策略引入新流量样本修正概念漂移导致的模型变化,使分类器得到有效更新.实验结果表明该方法可以有效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、Kolmogorov-Smirnov检验、协同学习、流量分类

所属期刊栏目：55

分类号：TP393(计算技术、计算机技术)

资助基金：国家高技术研究发展计划8632015AA015603

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：68-75