• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    面向數(shù)據(jù)挖掘的網(wǎng)絡(luò)流量分析及預(yù)測(cè)研究綜述*

    2023-06-04 06:24:10肖軍弼魏嬌嬌
    關(guān)鍵詞:網(wǎng)絡(luò)流量特性流量

    肖軍弼 魏嬌嬌

    (中國(guó)石油大學(xué)(華東)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 青島 266580)

    1 引言

    近年來(lái),隨著Internet 網(wǎng)絡(luò)結(jié)構(gòu)不斷復(fù)雜化發(fā)展,以及各種網(wǎng)絡(luò)設(shè)備類型不斷涌現(xiàn),網(wǎng)絡(luò)用戶的規(guī)模也在不斷提高,這使得網(wǎng)絡(luò)流量數(shù)據(jù)急劇增加,同時(shí)對(duì)網(wǎng)絡(luò)的有效管理、負(fù)荷評(píng)估和安全預(yù)警帶來(lái)了新的挑戰(zhàn)[1]。在傳統(tǒng)方法下網(wǎng)絡(luò)流量特征被描述為線性相關(guān)的,然而,在現(xiàn)代網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)流量呈現(xiàn)出多種復(fù)雜的非線性特征,如具有長(zhǎng)相關(guān)性、自相似性、時(shí)變性、突發(fā)性、混沌性等特點(diǎn)[2]。面對(duì)如此復(fù)雜的網(wǎng)絡(luò)環(huán)境,開(kāi)展網(wǎng)絡(luò)流量分析研究具有重要意義。

    網(wǎng)絡(luò)流量特性分析是進(jìn)行網(wǎng)絡(luò)流量分類及預(yù)測(cè)研究的前提與關(guān)鍵,分析出網(wǎng)絡(luò)流量所具備的特性,根據(jù)其特性的變化規(guī)律,選擇出一種計(jì)算量相對(duì)較小、結(jié)構(gòu)簡(jiǎn)單的分類與預(yù)測(cè)模型。

    通過(guò)網(wǎng)絡(luò)流量分類研究,網(wǎng)絡(luò)監(jiān)管部門對(duì)正常流量和惡意流量進(jìn)行準(zhǔn)確、及時(shí)的分類識(shí)別,可以有效避免惡意流量對(duì)用戶帶來(lái)的干擾和損失[3]。同時(shí),網(wǎng)絡(luò)流量分類與識(shí)別在病毒入侵檢測(cè)、訪問(wèn)認(rèn)證授權(quán)等方面也發(fā)揮著重要作用[4]。在網(wǎng)絡(luò)流量分類研究中,傳統(tǒng)的基于特定規(guī)則的分類方法隨著網(wǎng)絡(luò)流量數(shù)據(jù)規(guī)模越來(lái)越大,流量組成越來(lái)越復(fù)雜,已經(jīng)不能滿足當(dāng)今的網(wǎng)絡(luò)流量分類需求,基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)流量分類方法[5~6]已經(jīng)成為目前的研究熱點(diǎn)之一,如許多學(xué)者采用有監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法,例如利用樸素貝葉斯(Na?ve Bayes,NB)[7]、支持向量機(jī)(Support Vector Machine,SVM)[8-9]、決策樹(shù)(Decision Tree)[10]、神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)[11~13]等算法進(jìn)行網(wǎng)絡(luò)流量分類研究,還有學(xué)者將KNN[14~16]、K-means[14,17~18]、隱馬爾科夫算法(Hidden Markov Model,HMM)[19]等無(wú)監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量預(yù)測(cè)方法應(yīng)用于網(wǎng)絡(luò)流量分類,此外,還有學(xué)者提出了使用基于高斯混合模型(Gaussian Mixed Model,GMM)[20]、基于半監(jiān)督支持向量機(jī)(Semi-Supervised Support Vector Machine,S3VM)[21]等基于半監(jiān)督學(xué)習(xí)的分類方法[22]。

    通過(guò)開(kāi)展網(wǎng)絡(luò)流量預(yù)測(cè)研究,網(wǎng)絡(luò)管理者可以實(shí)時(shí)掌握網(wǎng)絡(luò)運(yùn)行時(shí)的狀態(tài),優(yōu)化網(wǎng)絡(luò)資源分配,檢測(cè)潛在的網(wǎng)絡(luò)威脅與故障,以便提前采取措施進(jìn)行干預(yù)[23~24]。隨著網(wǎng)絡(luò)流量特性愈發(fā)復(fù)雜,傳統(tǒng)的線性模型難以準(zhǔn)確地進(jìn)行預(yù)測(cè)。近年來(lái),許多學(xué)者和研究者開(kāi)始將數(shù)據(jù)挖掘技術(shù)如支持向量機(jī)(SVM)[25]、神經(jīng)網(wǎng)絡(luò)(NN)[26~28]、長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)[29~30]、梯度提升樹(shù)(Gradient Boosting Decision Tree,GBDT)[31]、決策樹(shù)(Decision Tree)[32~33]、灰色模型(Grey Models,GM)[34]等與網(wǎng)絡(luò)流量預(yù)測(cè)研究相結(jié)合,并通過(guò)實(shí)驗(yàn)證明這些算法能夠有效提高預(yù)測(cè)精確度。

    2 網(wǎng)絡(luò)流量的特性及其分析方法

    2.1 網(wǎng)絡(luò)流量的特性

    1)自相似性

    網(wǎng)絡(luò)流量的自相似特性[35]是指網(wǎng)絡(luò)流量時(shí)間序列在時(shí)間維度上表現(xiàn)出在不同時(shí)間尺度下具有相同或者相似的統(tǒng)計(jì)特征。以下是該特性的統(tǒng)計(jì)學(xué)方法描述。

    假設(shè)一個(gè)隨機(jī)過(guò)程X(t) ,t∈R,對(duì)于所有a>0 均滿足式(1),則稱X(t)是自相似系數(shù)為H的自相似過(guò)程。

    其中,a表示隨機(jī)過(guò)程的時(shí)間尺度變化,為漸進(jìn)同分布,H為自相似Hurst參數(shù)。網(wǎng)絡(luò)流量的自相似程度可根據(jù)參數(shù)H值來(lái)描述,H值的具體取值范圍是[0 ,1] ,其大小反映了網(wǎng)絡(luò)流量自相似性的強(qiáng)弱程度[12]。當(dāng)0 <H<0.5 時(shí),表明該流量序列有較弱的自相似性。當(dāng)0.5 <H<1 時(shí),表明該流量序列有明顯的自相似性,且越接近1,該流量序列的自相似性就越強(qiáng)。因此,可以通過(guò)計(jì)算網(wǎng)絡(luò)流量時(shí)間序列的Hurst值來(lái)判斷該序列是否具有自相似性以及強(qiáng)弱程度。

    2)長(zhǎng)相關(guān)性

    網(wǎng)絡(luò)流量的長(zhǎng)相關(guān)性[36]是指某一時(shí)刻的網(wǎng)絡(luò)流量值與此時(shí)刻之前的所有時(shí)刻的網(wǎng)絡(luò)流量值之間具有一定的關(guān)聯(lián)性。以下是該特性的統(tǒng)計(jì)學(xué)方法描述。

    如果隨機(jī)過(guò)程X=Xt,t=1,2,…,n的自相關(guān)函數(shù)x(k)滿足以下公式,則稱該隨機(jī)過(guò)程具有長(zhǎng)相關(guān)性。

    其中,x(k)是自相關(guān)函數(shù),ρk是自協(xié)方差函數(shù),E(X)是均值函數(shù)。

    3)突發(fā)性

    網(wǎng)絡(luò)流量數(shù)據(jù)的突發(fā)性[37]是指網(wǎng)絡(luò)流量在某一時(shí)刻急劇上升或下降,網(wǎng)絡(luò)流量產(chǎn)生突變性的原因主要是某一時(shí)刻用戶行為的頻繁變化和網(wǎng)絡(luò)設(shè)備的急劇增多引起的,比如大量用戶在同一時(shí)刻訪問(wèn)相同的網(wǎng)站、某一時(shí)刻同時(shí)接入大量網(wǎng)絡(luò)設(shè)備等。

    4)周期性

    網(wǎng)絡(luò)流量的周期性[38]是指在一定時(shí)間范圍內(nèi)的不同時(shí)間區(qū)間里流量具有相似甚至相同的變化趨勢(shì),并且這種趨勢(shì)會(huì)反復(fù)出現(xiàn)。在網(wǎng)絡(luò)管理過(guò)程中,可以根據(jù)網(wǎng)絡(luò)流量的周期規(guī)律規(guī)劃網(wǎng)絡(luò)資源使用情況,提高管理效率。

    5)混沌性

    網(wǎng)絡(luò)流量的混沌性[39]是一種類似無(wú)規(guī)則的、隨機(jī)的現(xiàn)象,既包含有序序列,又包含無(wú)序序列。即網(wǎng)絡(luò)流量數(shù)據(jù)實(shí)際上是混雜著低維混沌噪聲數(shù)據(jù)的時(shí)序序列。

    2.2 網(wǎng)絡(luò)流量的特性分析方法

    網(wǎng)絡(luò)流量的特性決定了其行為表現(xiàn),準(zhǔn)確地分析其特性有助于構(gòu)造合適的分類與預(yù)測(cè)模型,進(jìn)一步獲得準(zhǔn)確的分析結(jié)果。所以十分有必要在開(kāi)展流量分析之前,先分析一下流量的基本特點(diǎn)。表1給出了主要的網(wǎng)絡(luò)流量的特性分析方法的優(yōu)缺點(diǎn)及適用范圍。

    表1 網(wǎng)絡(luò)流量特性分析方法及其特性

    3 網(wǎng)絡(luò)流量分類

    3.1 網(wǎng)絡(luò)流量分類方法的評(píng)價(jià)指標(biāo)

    定義TP(True Positive)表示正確分類的真例數(shù)量、TN(True Negative)表示正確分類的假例數(shù)量、FN(False Negative)表示錯(cuò)誤分類的假例數(shù)量、FP(False Positive)表示錯(cuò)誤分類的真例數(shù)量。

    1)召回率(Recall)。召回率是TP占實(shí)際真例總數(shù)的百分比,其定義如下:

    2)精確度(Precision)。精確度是TP占分類為真例個(gè)數(shù)的百分比,其定義如下:

    3)F 值(F-Measure)。F-Measure 是精確度、召回率的調(diào)和平均數(shù),結(jié)合了兩者的評(píng)價(jià)標(biāo)準(zhǔn),其定義如下:

    4)準(zhǔn)確率(Accuracy)。網(wǎng)絡(luò)流量分類方法的準(zhǔn)確率計(jì)算方式如下:

    3.2 傳統(tǒng)的網(wǎng)絡(luò)流量分類方法

    傳統(tǒng)的網(wǎng)絡(luò)流量分類研究通常采用基于特定規(guī)則的方法,比如基于端口的分類方法[40~41]與基于深度包檢測(cè)[42~43]的分類方法。這類方法的特點(diǎn)是由人工制定規(guī)則,并且將規(guī)則進(jìn)行硬編碼,通過(guò)匹配硬編碼的固定規(guī)則劃分出網(wǎng)絡(luò)流量類別。然而由于流量劇增及特性日益復(fù)雜化使得這類方法不再適用于當(dāng)前的網(wǎng)絡(luò)流量分類研究。

    3.3 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)流量分類

    3.3.1 有監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法

    有監(jiān)督學(xué)習(xí)是指訓(xùn)練有輸入有輸出的樣本。表2 給出了主要的基于有監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法及其特性。

    表2 有監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法及其特性

    3.3.2 無(wú)監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法

    基于無(wú)監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類算法是通過(guò)聚類的形式來(lái)劃分?jǐn)?shù)據(jù)集包含的所屬類,通過(guò)某種方法,在學(xué)習(xí)過(guò)程中會(huì)將特征相似的樣本歸為一類。此類算法的優(yōu)點(diǎn)是具有發(fā)現(xiàn)新型網(wǎng)絡(luò)應(yīng)用的能力。主要的基于無(wú)監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法如下。

    1)KNN 算法[14~16]。該算法理解簡(jiǎn)單,且模型的訓(xùn)練時(shí)間短。但是在進(jìn)行網(wǎng)絡(luò)流量分類時(shí),需要計(jì)算測(cè)試集與訓(xùn)練集內(nèi)部數(shù)據(jù)之間的相似度,計(jì)算成本高,并且在訓(xùn)練過(guò)程易受到噪聲數(shù)據(jù)的影響。此外,由于該算法對(duì)所有的訓(xùn)練數(shù)據(jù)進(jìn)行保存,導(dǎo)致內(nèi)存占用大。

    2)K-means 算法[14,17~18]。該算法的優(yōu)點(diǎn)是結(jié)構(gòu)簡(jiǎn)單、容易理解,并且當(dāng)密集數(shù)據(jù)的類與類之間的區(qū)別明顯時(shí),能夠得到很好的分類效果。但是K-means 算法中初始均值向量K 的選定是難以估計(jì)的,算法的計(jì)算時(shí)間長(zhǎng),當(dāng)K 值選擇不當(dāng)時(shí)會(huì)產(chǎn)生很大誤差,并且對(duì)異常數(shù)據(jù)在計(jì)算質(zhì)心的過(guò)程中,會(huì)對(duì)結(jié)果產(chǎn)生很大的影響,容易陷入局部最優(yōu)。

    3)隱馬爾科夫(Hidden Markov Model,HMM)聚類算法[19]。該算法是一種時(shí)序相關(guān)的概率模型,首先基于隱馬爾科夫鏈生成一個(gè)不可觀測(cè)的狀態(tài)序列,然后根據(jù)狀態(tài)序列生成預(yù)測(cè)結(jié)果。但該模型在進(jìn)行網(wǎng)絡(luò)流量分類的應(yīng)用過(guò)程中具有一定缺陷,按照HMM 算法的假設(shè),該模型不能記憶上下文信息,因此分類結(jié)果只與其前一個(gè)狀態(tài)信息關(guān)聯(lián),若想利用更多的已知信息,必須建立高階HMM模型,然而高階模型會(huì)導(dǎo)致算法的復(fù)雜度較高。

    3.3.3 半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法

    基于半監(jiān)督學(xué)習(xí)的分類方法中,訓(xùn)練數(shù)據(jù)由大量未標(biāo)記數(shù)據(jù)和少量已標(biāo)記數(shù)據(jù)構(gòu)成,訓(xùn)練過(guò)程結(jié)合了有監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)的思想。半監(jiān)督學(xué)習(xí)分類方法的優(yōu)點(diǎn)是訓(xùn)練方法對(duì)已標(biāo)記的數(shù)據(jù)的依賴程度較低。目前也有研究將這種方法應(yīng)用于網(wǎng)絡(luò)流量分類研究,比如:

    1)基于高斯混合模型(Gaussian Mixed Model,GMM)的半監(jiān)督分類算法[20]。該方法的優(yōu)點(diǎn)是可以很好地描述時(shí)序數(shù)據(jù)的特征,通過(guò)收斂準(zhǔn)則逐步迭代可以更好地?cái)M合數(shù)據(jù)。但是該方法往往只能收斂于局部最優(yōu)。

    2)基于半監(jiān)督支持向量機(jī)(Semi-Supervised Support Vector Machine,S3VM)的半監(jiān)督分類算法[21]。該方法是利用了結(jié)構(gòu)風(fēng)險(xiǎn)最小化計(jì)算方法進(jìn)行網(wǎng)絡(luò)流量分類,S3VM 假設(shè)決策超平面與無(wú)標(biāo)簽數(shù)據(jù)的空間分布信息的分布情況一致,然而如果實(shí)際情況不滿足此假設(shè),構(gòu)造的決策超平面會(huì)產(chǎn)生較大誤差,最終導(dǎo)致性能變差。

    4 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)流量預(yù)測(cè)

    4.1 網(wǎng)絡(luò)流量預(yù)測(cè)的評(píng)價(jià)指標(biāo)

    1)均方根誤差(Root Mean Square Error,RMSE)。該值反映出流量預(yù)測(cè)值與真實(shí)值之間的距離,用于評(píng)價(jià)網(wǎng)絡(luò)流量數(shù)據(jù)的變化程度,如果該值越小,說(shuō)明當(dāng)前的網(wǎng)絡(luò)流量預(yù)測(cè)模型性能越優(yōu)。RMSE 對(duì)異常大或者異常小的預(yù)測(cè)誤差尤其敏感,這使其可以較好地反映預(yù)測(cè)精度。該評(píng)價(jià)指標(biāo)的計(jì)算方法如式(9)所示:

    其中,表示流量預(yù)測(cè)值,yj表流量實(shí)際值,n代表評(píng)估的數(shù)據(jù)總量。

    2)測(cè)定系數(shù)(R-Squared,R2)。該值反映的是預(yù)測(cè)的準(zhǔn)確率,取值范圍是0~1,該值越大,說(shuō)明當(dāng)前的網(wǎng)絡(luò)流量預(yù)測(cè)值的準(zhǔn)確率越高。計(jì)算公式如式(10)所示:

    3)模型的訓(xùn)練時(shí)間。在對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行預(yù)測(cè)的研究中,機(jī)器學(xué)習(xí)模型需要使用大量資源來(lái)建模,因此,在進(jìn)行模型訓(xùn)練的過(guò)程中,需要考慮計(jì)算成本,而模型的訓(xùn)練時(shí)間在模型的計(jì)算成本中占據(jù)重要影響。

    4)平均絕對(duì)百分比誤差(Mean Absolute Percentage Error,MAPE)。該值是統(tǒng)計(jì)上常用于評(píng)估模型預(yù)測(cè)精確度的一個(gè)指標(biāo),該值越小,則表明預(yù)測(cè)的結(jié)果就越好。計(jì)算公式如式(11)所示:

    其中,表示流量預(yù)測(cè)值,yj表流量實(shí)際值,n代表評(píng)估的數(shù)據(jù)總量。

    5)準(zhǔn)確率Accuracy。計(jì)算公式如式(12)所示:

    其中,X表示真實(shí)流量矩陣,表示預(yù)測(cè)流量矩陣。

    4.2 基于單個(gè)模型的網(wǎng)絡(luò)流量預(yù)測(cè)方法

    表3 給出了主要的單個(gè)網(wǎng)絡(luò)流量預(yù)測(cè)模型的特性及其適用場(chǎng)景。

    表3 流量預(yù)測(cè)模型特性

    4.3 基于混合模型的網(wǎng)絡(luò)流量預(yù)測(cè)方法

    隨著網(wǎng)絡(luò)復(fù)雜化,應(yīng)用多樣化,網(wǎng)絡(luò)流量的非線性特征愈發(fā)明顯,網(wǎng)絡(luò)流量序列的長(zhǎng)相關(guān)性、周期性、突發(fā)性等特點(diǎn)使得單一的網(wǎng)絡(luò)流量預(yù)測(cè)模型難以準(zhǔn)確地進(jìn)行預(yù)測(cè)。研究者開(kāi)始將多種分析方法與網(wǎng)絡(luò)流量預(yù)測(cè)模型相結(jié)合,并且通過(guò)實(shí)驗(yàn)證明組合預(yù)測(cè)模型能夠有效提高預(yù)測(cè)精確度,有著良好的擬合與預(yù)測(cè)效果。例如文獻(xiàn)[44]提出基于SVM進(jìn)行預(yù)測(cè),結(jié)合遺傳算法進(jìn)行優(yōu)化,結(jié)果發(fā)現(xiàn)在流量預(yù)測(cè)方面整體性能較優(yōu),且具有較高的精度。文獻(xiàn)[45]提出布谷鳥(niǎo)搜索算法與支持向量機(jī)算法相結(jié)合的網(wǎng)絡(luò)流量預(yù)測(cè)模型(MCS-SVR 模型),并且在同一個(gè)數(shù)據(jù)集上分別與利用遺傳算法和粒子群算法優(yōu)化的SVM 算法做對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明MCS-SVR 模型提高了網(wǎng)絡(luò)流量預(yù)測(cè)精度。文獻(xiàn)[46]提出一種基于深度置信網(wǎng)絡(luò)的預(yù)測(cè)算法,同時(shí)融入無(wú)監(jiān)督學(xué)習(xí)的自動(dòng)編碼器AE,實(shí)驗(yàn)結(jié)果表明,該算法具有較好的預(yù)測(cè)性能。文獻(xiàn)[47]提出使用灰狼算法優(yōu)化支持向量機(jī)算法的參數(shù)并結(jié)合LSTM算法來(lái)建立網(wǎng)絡(luò)流量預(yù)測(cè)模型,通過(guò)實(shí)驗(yàn)證明該混合模型能夠有效處理非線性序列預(yù)測(cè)問(wèn)題,并且具有很強(qiáng)的容錯(cuò)能力,預(yù)測(cè)精度較高。文獻(xiàn)[48]提出一種殘差卷積和循環(huán)神經(jīng)網(wǎng)絡(luò)相結(jié)合的無(wú)線網(wǎng)絡(luò)流量預(yù)測(cè)模型,該模型能夠精確提取網(wǎng)絡(luò)流量數(shù)據(jù)的時(shí)空特性,實(shí)現(xiàn)了對(duì)流量的有效預(yù)測(cè),并且設(shè)置了流量監(jiān)控異常報(bào)警機(jī)制,加強(qiáng)了網(wǎng)絡(luò)流量的管理與規(guī)劃。文獻(xiàn)[49]提出一種圖卷積神經(jīng)網(wǎng)絡(luò)結(jié)合門控循環(huán)神經(jīng)網(wǎng)絡(luò)的混合流量預(yù)測(cè)模型,該模型基于圖卷積層來(lái)提取SDN流量復(fù)雜的空間相關(guān)性,通過(guò)門控循環(huán)單元來(lái)提取SDN 網(wǎng)絡(luò)流量的時(shí)間相關(guān)性,將空時(shí)關(guān)系相結(jié)合來(lái)進(jìn)行SDN 網(wǎng)絡(luò)流量預(yù)測(cè),并且通過(guò)實(shí)驗(yàn)證明了該混合模型具有良好的性能。

    5 結(jié)語(yǔ)

    本文從網(wǎng)絡(luò)流量特性分析、網(wǎng)絡(luò)流量分類、網(wǎng)絡(luò)流量預(yù)測(cè)三個(gè)方面分析了網(wǎng)絡(luò)流量分析的研究現(xiàn)狀,介紹了當(dāng)前網(wǎng)絡(luò)流量分析的研究?jī)?nèi)容,總結(jié)了近幾年常用于網(wǎng)絡(luò)流量分類和網(wǎng)絡(luò)流量預(yù)測(cè)的數(shù)據(jù)挖掘方法。明確了高效的網(wǎng)絡(luò)流量分析研究具有重要意義:有助于對(duì)網(wǎng)絡(luò)進(jìn)行更好的規(guī)劃和優(yōu)化,實(shí)現(xiàn)網(wǎng)絡(luò)問(wèn)題的提前預(yù)警,保證網(wǎng)絡(luò)系統(tǒng)安全、穩(wěn)定運(yùn)行。但是在現(xiàn)有的網(wǎng)絡(luò)流量分析的研究中,也存在一些有待解決的問(wèn)題,如在對(duì)原始網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行預(yù)處理時(shí),預(yù)處理的結(jié)果會(huì)直接影響到模型的預(yù)測(cè)性能;使用特定的算法進(jìn)行網(wǎng)絡(luò)流量特征提取時(shí),若模型結(jié)構(gòu)的復(fù)雜度較高及模型參數(shù)的選擇不當(dāng),會(huì)導(dǎo)致較高的成本問(wèn)題。在未來(lái)的研究中,建立結(jié)構(gòu)復(fù)雜度相對(duì)較低、計(jì)算量較小的分類與預(yù)測(cè)模型,同時(shí)將所提出的模型實(shí)際應(yīng)用于現(xiàn)實(shí)場(chǎng)景中是網(wǎng)絡(luò)流量分析預(yù)測(cè)研究中需要進(jìn)一步考慮的問(wèn)題。

    猜你喜歡
    網(wǎng)絡(luò)流量特性流量
    基于多元高斯分布的網(wǎng)絡(luò)流量異常識(shí)別方法
    冰墩墩背后的流量密碼
    玩具世界(2022年2期)2022-06-15 07:35:36
    張曉明:流量決定勝負(fù)!三大流量高地裂變無(wú)限可能!
    谷稗的生物學(xué)特性和栽培技術(shù)
    基于神經(jīng)網(wǎng)絡(luò)的P2P流量識(shí)別方法
    尋找書業(yè)新流量
    出版人(2020年4期)2020-11-14 08:34:26
    色彩特性
    流行色(2020年9期)2020-07-16 08:08:54
    進(jìn)一步凸顯定制安裝特性的優(yōu)勢(shì) Integra DRX-5.2
    AVB網(wǎng)絡(luò)流量整形幀模型端到端延遲計(jì)算
    Quick Charge 4:什么是新的?
    CHIP新電腦(2017年6期)2017-06-19 09:41:44
    叶爱在线成人免费视频播放| 精品第一国产精品| 午夜老司机福利片| 十八禁人妻一区二区| 黄频高清免费视频| 很黄的视频免费| 一个人观看的视频www高清免费观看 | 亚洲第一青青草原| 久久亚洲精品不卡| 午夜影院日韩av| 日韩欧美国产一区二区入口| 久久人人97超碰香蕉20202| 亚洲国产欧美日韩在线播放| 动漫黄色视频在线观看| 热re99久久精品国产66热6| 一级黄色大片毛片| 9热在线视频观看99| 日韩国内少妇激情av| 女人爽到高潮嗷嗷叫在线视频| 国产成人免费无遮挡视频| 丁香六月欧美| 久久国产亚洲av麻豆专区| 淫妇啪啪啪对白视频| 人人妻人人添人人爽欧美一区卜| 成熟少妇高潮喷水视频| 亚洲欧美精品综合久久99| 婷婷丁香在线五月| 亚洲一区高清亚洲精品| 日本wwww免费看| 极品人妻少妇av视频| 久久久精品国产亚洲av高清涩受| 精品久久久久久电影网| 首页视频小说图片口味搜索| 久久草成人影院| 女人被狂操c到高潮| e午夜精品久久久久久久| 欧美中文日本在线观看视频| 亚洲欧美精品综合久久99| 久久久国产一区二区| 亚洲国产中文字幕在线视频| 男女高潮啪啪啪动态图| 91大片在线观看| 我的亚洲天堂| 国产精品野战在线观看 | 国产精品日韩av在线免费观看 | 精品福利永久在线观看| 亚洲黑人精品在线| 日韩人妻精品一区2区三区| 日韩人妻精品一区2区三区| 久久九九热精品免费| 男人操女人黄网站| 在线观看免费午夜福利视频| 国产国语露脸激情在线看| x7x7x7水蜜桃| 久久精品国产99精品国产亚洲性色 | 国产精品二区激情视频| 免费在线观看完整版高清| 天堂动漫精品| videosex国产| 天堂中文最新版在线下载| 欧美成人性av电影在线观看| 最近最新免费中文字幕在线| 亚洲人成电影观看| 一区在线观看完整版| 国产成人一区二区三区免费视频网站| 日韩一卡2卡3卡4卡2021年| 亚洲免费av在线视频| 高清av免费在线| 欧美大码av| 脱女人内裤的视频| 女人爽到高潮嗷嗷叫在线视频| 激情在线观看视频在线高清| 久久国产精品影院| 激情视频va一区二区三区| 日韩免费av在线播放| 一级a爱片免费观看的视频| 国产免费av片在线观看野外av| 精品乱码久久久久久99久播| 国产一区二区激情短视频| 成人免费观看视频高清| 黑丝袜美女国产一区| 欧美在线一区亚洲| 欧美色视频一区免费| 免费在线观看黄色视频的| 在线观看免费午夜福利视频| 99在线视频只有这里精品首页| 桃红色精品国产亚洲av| 亚洲五月天丁香| 黄频高清免费视频| 成在线人永久免费视频| 午夜免费观看网址| ponron亚洲| 国产精品电影一区二区三区| 这个男人来自地球电影免费观看| 日本黄色日本黄色录像| 天堂√8在线中文| 久久中文看片网| 亚洲精品国产精品久久久不卡| 国产欧美日韩一区二区三| 我的亚洲天堂| 操美女的视频在线观看| 亚洲精品中文字幕一二三四区| 日韩成人在线观看一区二区三区| 成人三级黄色视频| 一区福利在线观看| 欧美激情 高清一区二区三区| 亚洲第一av免费看| 亚洲一区二区三区色噜噜 | 欧美激情久久久久久爽电影 | 欧美色视频一区免费| 88av欧美| 亚洲中文字幕日韩| 一a级毛片在线观看| 亚洲专区国产一区二区| 黄色毛片三级朝国网站| 看黄色毛片网站| 高清欧美精品videossex| 亚洲成人免费电影在线观看| av天堂在线播放| 国产欧美日韩一区二区三| 成人免费观看视频高清| 久久精品国产亚洲av高清一级| 久久性视频一级片| 在线av久久热| 久久国产精品人妻蜜桃| 日韩免费高清中文字幕av| 国产精品免费视频内射| 久久久久久人人人人人| 婷婷六月久久综合丁香| 免费女性裸体啪啪无遮挡网站| 久久午夜亚洲精品久久| 成熟少妇高潮喷水视频| 国产成人av激情在线播放| av电影中文网址| 少妇 在线观看| 无遮挡黄片免费观看| 18禁国产床啪视频网站| 久久久久久大精品| 18禁裸乳无遮挡免费网站照片 | 日韩精品中文字幕看吧| 妹子高潮喷水视频| 国产av在哪里看| 80岁老熟妇乱子伦牲交| 美女高潮到喷水免费观看| 69av精品久久久久久| 国产国语露脸激情在线看| 成人18禁高潮啪啪吃奶动态图| 亚洲国产欧美网| 欧美成人午夜精品| 一a级毛片在线观看| 成年人免费黄色播放视频| 精品福利永久在线观看| 十分钟在线观看高清视频www| 看免费av毛片| 在线观看www视频免费| 亚洲美女黄片视频| 成人亚洲精品一区在线观看| 一进一出抽搐动态| 脱女人内裤的视频| 国产成人欧美| 亚洲精品粉嫩美女一区| 如日韩欧美国产精品一区二区三区| 欧美日韩亚洲国产一区二区在线观看| 午夜91福利影院| 波多野结衣高清无吗| 19禁男女啪啪无遮挡网站| 午夜福利免费观看在线| 青草久久国产| 在线播放国产精品三级| 热99国产精品久久久久久7| 99国产极品粉嫩在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 1000部很黄的大片| 又粗又爽又猛毛片免费看| 国产精品一区二区三区四区免费观看 | 免费黄网站久久成人精品 | 又紧又爽又黄一区二区| 两个人视频免费观看高清| 午夜两性在线视频| 此物有八面人人有两片| 国产一区二区亚洲精品在线观看| 在现免费观看毛片| 久久人妻av系列| 国产视频一区二区在线看| 九九久久精品国产亚洲av麻豆| 久久久久久久精品吃奶| 人妻久久中文字幕网| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品久久久久久亚洲av鲁大| 国产一区二区激情短视频| 最近在线观看免费完整版| 亚洲欧美日韩高清在线视频| av国产免费在线观看| 嫩草影院精品99| 在线看三级毛片| 日韩欧美国产在线观看| 在线a可以看的网站| 久久久久国产精品人妻aⅴ院| 3wmmmm亚洲av在线观看| 亚洲av电影在线进入| 久久中文看片网| www.色视频.com| 日韩高清综合在线| 性色av乱码一区二区三区2| 国产亚洲欧美98| 亚洲人成伊人成综合网2020| 国产精品人妻久久久久久| 国产精品野战在线观看| 国产三级中文精品| 成人国产综合亚洲| av在线老鸭窝| 国产精品一区二区性色av| 十八禁网站免费在线| 亚洲成av人片免费观看| 亚洲一区高清亚洲精品| 欧美高清成人免费视频www| 2021天堂中文幕一二区在线观| 草草在线视频免费看| 搡老妇女老女人老熟妇| 亚洲av不卡在线观看| 精品人妻一区二区三区麻豆 | 国内精品美女久久久久久| 久久99热这里只有精品18| 97热精品久久久久久| 亚洲欧美日韩卡通动漫| 中出人妻视频一区二区| 国产伦一二天堂av在线观看| 全区人妻精品视频| 黄片小视频在线播放| 桃红色精品国产亚洲av| 丝袜美腿在线中文| 亚洲欧美精品综合久久99| 级片在线观看| 精品不卡国产一区二区三区| 波野结衣二区三区在线| 国产午夜福利久久久久久| 亚洲美女搞黄在线观看 | 色综合欧美亚洲国产小说| 婷婷亚洲欧美| 亚洲午夜理论影院| 亚洲色图av天堂| 精品一区二区免费观看| 亚洲av日韩精品久久久久久密| 两个人视频免费观看高清| 久久久久亚洲av毛片大全| 韩国av一区二区三区四区| av黄色大香蕉| 欧美黑人欧美精品刺激| 999久久久精品免费观看国产| 夜夜躁狠狠躁天天躁| 欧美三级亚洲精品| 夜夜夜夜夜久久久久| 精品无人区乱码1区二区| 亚洲成a人片在线一区二区| 久久久国产成人精品二区| 国产色婷婷99| 久久午夜亚洲精品久久| 亚洲五月天丁香| 性插视频无遮挡在线免费观看| 欧美日韩福利视频一区二区| 中文字幕av在线有码专区| 99国产极品粉嫩在线观看| 黄色视频,在线免费观看| 在线看三级毛片| 99久久九九国产精品国产免费| 高清日韩中文字幕在线| 亚洲欧美日韩高清专用| 少妇的逼水好多| 日本与韩国留学比较| 亚洲av熟女| 国产aⅴ精品一区二区三区波| av在线蜜桃| 露出奶头的视频| 亚洲av不卡在线观看| 午夜两性在线视频| 国产一区二区亚洲精品在线观看| 首页视频小说图片口味搜索| 在线观看66精品国产| 亚洲av美国av| 日韩 亚洲 欧美在线| 亚洲无线观看免费| 久久精品国产亚洲av香蕉五月| 久久久久久久久大av| 好男人在线观看高清免费视频| 国产伦精品一区二区三区四那| 免费看光身美女| 久久婷婷人人爽人人干人人爱| 亚洲国产精品成人综合色| 精品午夜福利视频在线观看一区| 国产免费男女视频| 日韩中文字幕欧美一区二区| 色哟哟·www| 午夜福利欧美成人| 中国美女看黄片| 亚洲第一电影网av| 国产成+人综合+亚洲专区| avwww免费| 久久久久九九精品影院| 午夜视频国产福利| av在线蜜桃| 日本免费a在线| 国产精品三级大全| 亚洲人成网站在线播| 亚洲精品一卡2卡三卡4卡5卡| 色播亚洲综合网| 亚洲美女搞黄在线观看 | 中国美女看黄片| 窝窝影院91人妻| 亚洲av五月六月丁香网| 精品久久久久久,| 高清毛片免费观看视频网站| 久久久久久大精品| 别揉我奶头 嗯啊视频| 成人特级黄色片久久久久久久| 国产蜜桃级精品一区二区三区| 麻豆成人午夜福利视频| netflix在线观看网站| 欧美日本亚洲视频在线播放| 国产精品自产拍在线观看55亚洲| 国产精品嫩草影院av在线观看 | 长腿黑丝高跟| 欧美成人一区二区免费高清观看| 国产伦人伦偷精品视频| 午夜久久久久精精品| 亚洲av二区三区四区| 成人特级黄色片久久久久久久| 午夜福利免费观看在线| 亚洲美女搞黄在线观看 | 日日摸夜夜添夜夜添小说| 久久精品国产自在天天线| 色播亚洲综合网| 最新在线观看一区二区三区| 三级男女做爰猛烈吃奶摸视频| 亚洲综合色惰| 日韩有码中文字幕| 人妻久久中文字幕网| 1000部很黄的大片| 国产精品av视频在线免费观看| 女人十人毛片免费观看3o分钟| 国产精品电影一区二区三区| 中文字幕久久专区| 国产不卡一卡二| 男人的好看免费观看在线视频| 首页视频小说图片口味搜索| 成年女人看的毛片在线观看| 亚洲精品色激情综合| 国产美女午夜福利| 午夜免费男女啪啪视频观看 | 日日干狠狠操夜夜爽| 熟女人妻精品中文字幕| h日本视频在线播放| 精品一区二区三区人妻视频| 欧美在线一区亚洲| 精品久久久久久久久久免费视频| 老熟妇仑乱视频hdxx| or卡值多少钱| 亚洲美女搞黄在线观看 | 精品久久国产蜜桃| 精品日产1卡2卡| 好男人电影高清在线观看| 亚洲性夜色夜夜综合| 啪啪无遮挡十八禁网站| 精品久久久久久久人妻蜜臀av| 国产三级在线视频| 精品久久久久久久久av| 成人亚洲精品av一区二区| 看免费av毛片| 国产伦精品一区二区三区视频9| 久久性视频一级片| 日本撒尿小便嘘嘘汇集6| 变态另类成人亚洲欧美熟女| 色吧在线观看| 一本久久中文字幕| 熟妇人妻久久中文字幕3abv| 亚洲熟妇中文字幕五十中出| 啪啪无遮挡十八禁网站| 中文在线观看免费www的网站| 亚洲国产精品sss在线观看| www日本黄色视频网| 热99re8久久精品国产| 午夜免费男女啪啪视频观看 | 久久国产乱子伦精品免费另类| 国内毛片毛片毛片毛片毛片| 欧美成人免费av一区二区三区| 老熟妇乱子伦视频在线观看| 欧美性猛交黑人性爽| www.熟女人妻精品国产| 国产精品国产高清国产av| 欧美性猛交黑人性爽| 色av中文字幕| 国产精品1区2区在线观看.| 九色成人免费人妻av| 久久99热6这里只有精品| 国产高清三级在线| 午夜福利高清视频| 嫩草影院精品99| 欧美国产日韩亚洲一区| 2021天堂中文幕一二区在线观| www.999成人在线观看| 中出人妻视频一区二区| 精品一区二区三区人妻视频| 深夜精品福利| 成熟少妇高潮喷水视频| 欧美三级亚洲精品| 国内毛片毛片毛片毛片毛片| 国产 一区 欧美 日韩| 色噜噜av男人的天堂激情| 国产精品一区二区三区四区久久| 内地一区二区视频在线| 欧美日韩综合久久久久久 | 亚洲无线观看免费| 亚洲18禁久久av| 日本一二三区视频观看| 欧美乱色亚洲激情| 精品久久国产蜜桃| 国产视频内射| 91字幕亚洲| 男女视频在线观看网站免费| 91九色精品人成在线观看| 欧美激情国产日韩精品一区| 国产精品三级大全| 免费黄网站久久成人精品 | 欧美乱妇无乱码| 麻豆成人av在线观看| 久久精品夜夜夜夜夜久久蜜豆| 亚洲欧美激情综合另类| 婷婷亚洲欧美| avwww免费| av在线老鸭窝| 欧美一区二区精品小视频在线| 午夜免费激情av| 十八禁国产超污无遮挡网站| 久久久成人免费电影| 特大巨黑吊av在线直播| 午夜两性在线视频| 久久天躁狠狠躁夜夜2o2o| 午夜日韩欧美国产| 精品午夜福利在线看| 天堂√8在线中文| 国产 一区 欧美 日韩| 日本五十路高清| 亚洲欧美日韩卡通动漫| 国产伦一二天堂av在线观看| a级毛片免费高清观看在线播放| 欧美黄色淫秽网站| 人人妻,人人澡人人爽秒播| 亚洲精品久久国产高清桃花| 老熟妇乱子伦视频在线观看| 美女免费视频网站| 欧美3d第一页| 国产毛片a区久久久久| 国产乱人视频| 欧美成人一区二区免费高清观看| 可以在线观看毛片的网站| 女人十人毛片免费观看3o分钟| 99热这里只有精品一区| 亚洲成人精品中文字幕电影| 亚洲国产色片| 亚洲美女搞黄在线观看 | 免费观看的影片在线观看| 色尼玛亚洲综合影院| 少妇被粗大猛烈的视频| 国产69精品久久久久777片| 国产av麻豆久久久久久久| 国产av不卡久久| 午夜福利成人在线免费观看| 精品久久久久久久久亚洲 | 简卡轻食公司| 成人国产综合亚洲| 男人舔奶头视频| 久久性视频一级片| 精品福利观看| 国产精品一及| 国产 一区 欧美 日韩| 97人妻精品一区二区三区麻豆| 亚洲一区高清亚洲精品| 亚洲成人久久性| 亚洲国产欧美人成| 免费在线观看日本一区| 婷婷六月久久综合丁香| 国产精品久久电影中文字幕| 在线国产一区二区在线| 一个人免费在线观看的高清视频| 真人做人爱边吃奶动态| eeuss影院久久| 精品99又大又爽又粗少妇毛片 | 精华霜和精华液先用哪个| 亚洲欧美清纯卡通| 一区二区三区激情视频| 久久6这里有精品| 亚洲国产色片| 成人毛片a级毛片在线播放| 99精品久久久久人妻精品| 国产探花在线观看一区二区| av欧美777| 久久精品国产亚洲av天美| 亚洲成av人片在线播放无| 极品教师在线免费播放| 天堂网av新在线| 久久国产乱子免费精品| 如何舔出高潮| 国产伦一二天堂av在线观看| 观看美女的网站| 少妇熟女aⅴ在线视频| 国产精品永久免费网站| 亚洲美女黄片视频| 国产精品嫩草影院av在线观看 | 天堂影院成人在线观看| 亚洲专区国产一区二区| 欧美xxxx黑人xx丫x性爽| 小说图片视频综合网站| 国产一区二区亚洲精品在线观看| 在线国产一区二区在线| 极品教师在线免费播放| 91九色精品人成在线观看| 亚洲欧美日韩无卡精品| 如何舔出高潮| 国产伦精品一区二区三区视频9| 99热这里只有精品一区| 丰满的人妻完整版| 国产综合懂色| 国产野战对白在线观看| 老司机午夜福利在线观看视频| 国产一区二区在线观看日韩| 国产精品久久视频播放| 国产精品98久久久久久宅男小说| 亚洲精品久久国产高清桃花| av福利片在线观看| 十八禁网站免费在线| 午夜精品一区二区三区免费看| 精品久久久久久久久av| 中文字幕av在线有码专区| 精品久久久久久久久av| 欧美中文日本在线观看视频| 五月伊人婷婷丁香| 色尼玛亚洲综合影院| 国产免费av片在线观看野外av| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲精品色激情综合| 成年免费大片在线观看| eeuss影院久久| 亚洲国产精品成人综合色| 麻豆成人av在线观看| 毛片女人毛片| 欧美区成人在线视频| 亚洲最大成人手机在线| 国产极品精品免费视频能看的| 麻豆成人午夜福利视频| 亚洲av成人不卡在线观看播放网| 首页视频小说图片口味搜索| 亚洲电影在线观看av| 可以在线观看的亚洲视频| 网址你懂的国产日韩在线| 亚洲欧美清纯卡通| 国产精品不卡视频一区二区 | 在线十欧美十亚洲十日本专区| 国产成人福利小说| 欧美高清成人免费视频www| 亚洲av第一区精品v没综合| 国产探花极品一区二区| 亚洲精华国产精华精| 99久久精品一区二区三区| 国产精品自产拍在线观看55亚洲| 日韩精品中文字幕看吧| 亚洲精品久久国产高清桃花| 在线国产一区二区在线| 亚洲精品久久国产高清桃花| 级片在线观看| АⅤ资源中文在线天堂| netflix在线观看网站| 亚洲欧美日韩卡通动漫| 在线国产一区二区在线| av视频在线观看入口| 国产午夜精品论理片| 男女视频在线观看网站免费| 看十八女毛片水多多多| 午夜精品在线福利| 国产伦精品一区二区三区四那| 我要搜黄色片| 免费无遮挡裸体视频| 中亚洲国语对白在线视频| 夜夜躁狠狠躁天天躁| 国产欧美日韩一区二区三| 成人一区二区视频在线观看| 18禁在线播放成人免费| 日本在线视频免费播放| 99在线人妻在线中文字幕| 精品一区二区三区av网在线观看| 亚洲av日韩精品久久久久久密| 国产又黄又爽又无遮挡在线| 无遮挡黄片免费观看| 高清在线国产一区| 黄色女人牲交| 欧美最黄视频在线播放免费| 国内精品美女久久久久久| 成年免费大片在线观看| 色综合亚洲欧美另类图片| 校园春色视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 日韩大尺度精品在线看网址| 国内毛片毛片毛片毛片毛片| 激情在线观看视频在线高清| 在现免费观看毛片| 亚洲国产高清在线一区二区三| 精品久久久久久久末码| 三级国产精品欧美在线观看| 欧美3d第一页| 色吧在线观看| 精品欧美国产一区二区三| 亚洲自拍偷在线| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 长腿黑丝高跟| 亚洲va日本ⅴa欧美va伊人久久| 日本一二三区视频观看| 此物有八面人人有两片|