網(wǎng)絡流量分析是對網(wǎng)絡流量進行采集并分析以準確獲取網(wǎng)絡流量信息的重要技術(shù)手段,其可以幫助網(wǎng)絡管理者有效地進行網(wǎng)絡規(guī)劃、網(wǎng)絡優(yōu)化、網(wǎng)絡監(jiān)控、流量趨勢分析等工作。本文從網(wǎng)絡流量的預測、網(wǎng)絡流量的識別以及網(wǎng)絡異常流量的檢測3個方面回顧了機器學習技術(shù)應用在網(wǎng)絡流量分析上的研究成果,并對基于機器學習的網(wǎng)絡流量分析技術(shù)趨勢及未來研究方向進行展望。 

【文章來源】：網(wǎng)絡新媒體技術(shù). 2020,9(05)

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 網(wǎng)絡流量的預測
2 網(wǎng)絡流量的識別
    2.1 傳統(tǒng)機器學習識別方法
    2.2 深度學習識別方法
    2.3 流量不均衡問題
3 網(wǎng)絡異常流量識別
4 主要問題與挑戰(zhàn)


【參考文獻】：
期刊論文
[1]移動設備網(wǎng)絡流量分析技術(shù)綜述[J]. 徐明,楊雪,章堅武.  電信科學. 2018(04)
[2]高峰期網(wǎng)絡流量高精準度預測模型研究[J]. 劉維嘉.  網(wǎng)絡新媒體技術(shù). 2018(02)
[3]基于深度卷積神經(jīng)網(wǎng)絡的網(wǎng)絡流量分類方法[J]. 王勇,周慧怡,俸皓,葉苗,柯文龍.  通信學報. 2018(01)
[4]基于機器學習的網(wǎng)絡異常流量檢測研究[J]. 陳勝,朱國勝,祁小云,雷龍飛,鎮(zhèn)佳,吳善超,吳夢宇.  信息通信. 2017(12)
[5]基于詞袋模型聚類的異常流量識別方法[J]. 馬林進,萬良,馬紹菊,楊婷.  計算機工程. 2017(05)
[6]網(wǎng)絡加密流量識別研究綜述及展望[J]. 潘吳斌,程光,郭曉軍,黃順翔.  通信學報. 2016(09)
[7]仿射傳播聚類算法和稀疏貝葉斯的網(wǎng)絡流量預測模型[J]. 趙啟升,李存華.  計算機應用研究. 2015(11)
[8]網(wǎng)絡流量預測方法[J]. 董夢麗,楊庚,曹曉梅.  計算機工程. 2011(16)
[9]網(wǎng)絡流量分析方法綜述[J]. 茍娟迎,馬力.  西安郵電學院學報. 2010(04)
[10]一種基于聚類的異常流量檢測算法[J]. 戚玉娥,劉方愛.  微計算機信息. 2010(09)

博士論文
[1]基于深度學習的網(wǎng)絡流量分類及異常檢測方法研究[D]. 王偉.中國科學技術(shù)大學 2018

碩士論文
[1]基于時間序列模型的網(wǎng)絡流量預測研究[D]. 朱苗苗.西安工程大學 2017



本文編號：3042164