全球工程设计与技术杂志
开放获取

抽象的

互联网流量分类的径向基函数神经网络性能分析

P.Kumaraguru、VRPrakash 和 M.Abraham

由于互联网上运行的应用程序的数量和种类急剧增加，互联网流量分类领域在过去几年中取得了迅速发展。这些应用程序包括www、电子邮件、P2P、多媒体、FTP应用程序、游戏等。由于传统的互联网流量分类技术对于某些复杂的应用程序变得无效，这些应用程序使用动态端口号而不是众所周知的端口号以及各种加密技术来避免检测由未经授权的第三方开发，因此开发了机器学习（ML）技术来处理互联网流量分类中的此类问题。神经网络也是重要的机器学习技术之一。在本文中，径向基函数神经网络（RBFNN）用于互联网流量分类，它是一种多层前馈神经网络。在这项研究工作中，使用大特征数据集和缩减特征数据集，基于准确性、召回率、隐藏层神经元数量和网络训练时间来分析 RBFNN 的性能。该实验分析表明，RBFNN 也是一种针对减少特征数据​​集的离线互联网流量分类的有效技术。