《表2 基于机器学习的SDN异常流量识别主要研究对比》
重量级异常流量识别算法是指算法复杂度大、算法精度高、识别的攻击类型广、功能性强的异常流量识别算法,其中,主要包括机器学习、数据挖掘等算法.该类算法可以通过训练数据集来自动构建模型,并根据流量特征对流量进行分类识别,根据历史数据对网络攻击进行检测[52].但是该类算法效率较低,当从高速网络的大量流量和噪声数据中准确地识别异常模式时,算法实现速度较慢[53],往往要求检测设备具有较高的计算能力.表2列出了应用在SDN中的基于机器学习的主要异常流量识别算法的优缺点和相应的文献.
图表编号 | XD00137381000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 徐玉华、孙知信 |
绘制单位 | 南京邮电大学国家邮政局邮政行业技术研发中心(物联网技术)、宽带无线通信与传感网技术教育部重点实验室(南京邮电大学)、南京邮电大学国家邮政局邮政行业技术研发中心(物联网技术)、宽带无线通信与传感网技术教育部重点实验室(南京邮电大学) |
更多格式 | 高清、无水印(增值服务) |