TY -的A2 Palmieri Francesco AU -金,Jeankyung盟——黄,Jinsoo AU -金,kichan PY - 2016 DA - 2016/01/10 TI -高性能网络流量分类使用马尔可夫模型和Kullback-Leibler SP - 6180527六世- 2016 AB -散度随着互联网流量迅速增加,快速、准确的网络分类为高质量的服务成为必不可少的控制和早期检测网络流量异常。基于统计的机器学习技术的特性包流最近成为网络流行的分类部分是因为传统的港口,payload-based方法的局限性。在本文中,我们提出一个马尔可夫模型网络分类Kullback-Leibler散度的标准。我们的研究主要是集中在很难进行归类定义(或重叠)交通模式的网络应用程序,目前的技术很难处理。模拟的结果进行了使用我们的方法表明,总体精度达到90%左右与一个合理的大小 n = One hundred. 。SN - 1574 - 017 - 2016/6180527 / 10.1155 x你——https://doi.org/10.1155/2016/6180527——摩根富林明-移动信息系统PB Hindawi出版公司KW - ER