一种基于BP神经网络进行流量识别的方法

    公开(公告)号:CN104144089A

    公开(公告)日:2014-11-12

    申请号:CN201410382172.X

    申请日:2014-08-06

    Applicant: 山东大学

    Abstract: 本发明通过获取简单的数据包包头信息生成特征值,从中选择合适的特征值作为BP神经网络的输入,得到样本训练集,然后实施抓取网络数据流提取特征作为BP神经网络的输入进行实时识别。时间窗的方法提取的特征值具有可扩展性且易于实现。选择三层的神经网络作为实现方案,通过粒子群算法(Particle Swarm Optimization,PSO)寻找具有全局最优特性的初始化权值,BP神经网络采用分布、并行的网状结构进行训练学习,使其容错性更高,处理速度更快,可以更好的完成实时识别。同时,BP神经网络是通过全局寻优的方式进行训练的,因此也具有很高的泛化能力,可以应对未来更复杂和多样的网络环境。

    一种基于BP神经网络进行流量识别的方法

    公开(公告)号:CN104144089B

    公开(公告)日:2017-06-16

    申请号:CN201410382172.X

    申请日:2014-08-06

    Applicant: 山东大学

    Abstract: 本发明通过获取简单的数据包包头信息生成特征值,从中选择合适的特征值作为BP神经网络的输入,得到样本训练集,然后实施抓取网络数据流提取特征作为BP神经网络的输入进行实时识别。时间窗的方法提取的特征值具有可扩展性且易于实现。选择三层的神经网络作为实现方案,通过粒子群算法(Particle Swarm Optimization,PSO)寻找具有全局最优特性的初始化权值,BP神经网络采用分布、并行的网状结构进行训练学习,使其容错性更高,处理速度更快,可以更好的完成实时识别。同时,BP神经网络是通过全局寻优的方式进行训练的,因此也具有很高的泛化能力,可以应对未来更复杂和多样的网络环境。

Patent Agency Ranking