无标度网络的抗毁性评估研究

为了有效评估无标度网络的抗毁性,建立了一个基于业务需求参数的模型,提出了计算活跃路径和备份路径的方法.利用该模型可以建立抗毁性强、免受攻击的端到端连接.模型的核心思想是对于重要的业务,建立绕开中心的路径,这样重要的连接可以更好地抵御攻击.实验结果表明在最好情况下的最高等级服务中,受破坏减少的连接数为3.     

基于AdaBoost的组合网络流量分类方法

针对单一分类方法在训练样本不足的情况下对于小样本网络流分类效果差的特点,通过自适应增强(Adaptive Boosting,AdaBoost)算法进行流量分类。算法首先使用CFS(Correlation-based Feature Selection)特征选择方法从大量网络流特征中提取出少量高效的分类特征,在此基础上,通过AdaBoost算法组合决策树、关联规则和贝叶斯等5种单一分类方法实现流量分类。实际网络流量数据测试表明,基于AdaBoost的组合分类方法的准确率在所选的几种算法中是最高的,其能够达到98192%,且相对于单一的分类算法,组合流量分类方法对于小样本网络流的分类效果具有明显提升。