公开(公告)号：CN117828445A

公开(公告)日：2024-04-05

申请号：CN202410016134.6

申请日：2024-01-04

Applicant: 上海交通大学

Inventor： 钱诗友 ,  张剑格 ,  曹健 ,  薛广涛 ,  赵广 ,  张亮

IPC: G06F18/241 ,  G06N3/126 ,  G06N3/086

Abstract: 本发明提供了一种基于集成学习的数据包分类并行方法及系统，包括：步骤S1：建立规则搜索成本模型，量化算法的不同实例之间的互补性；步骤S2：使用遗传算法生成算法的不同实例的最佳组合方案，在找到满足要求的算法实例后，构建算法实例库；步骤S3：构建数据包分类预测模型，从构建成的算法实例库中选择合适的算法实例完成数据包分类操作。本发明首先敏锐地观察到现存的数据包分类方法存在的最坏情况及其产生的原因，并在集成学习的启发之下，挖掘算法的不同实例之间存在的互补性以优化性能。

公开(公告)号：CN117828444A

公开(公告)日：2024-04-05

申请号：CN202410016113.4

申请日：2024-01-04

Applicant: 上海交通大学

Inventor： 钱诗友 ,  张剑格 ,  曹健 ,  赵广 ,  张亮

IPC: G06F18/241 ,  G06F18/213

Abstract: 本发明提供了一种基于比特位集特征的数据包分类方法及系统，包括：首先使用规则集中的部分具有显著分离性特征的比特作为规则的第一级索引构建哈希表。然后使用一种基于元组空间搜索的方法为部分难以使用第一级索引分离的规则构建第二级索引，并将两级索引组合形成一种新的混合索引结构。基于此数据结构，本发明还提出了一种提取比特位集特征的迭代方法。该方法通过对数据中每一位比特的分离性进行分析，可以有效地将具有显著分离性特征的比特位提取出来形成比特位集合用于构建数据结构，从而在降低数据结构存储空间的同时有效地分离规则集，最终实现具有超高查询性能的包分类算法。