• <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
    午夜两性在线视频| 亚洲成人久久爱视频| 国产高清videossex| 亚洲国产日韩欧美精品在线观看 | 欧美极品一区二区三区四区| 亚洲专区字幕在线| 亚洲国产精品999在线| 久久久精品欧美日韩精品| 真人一进一出gif抽搐免费| 蜜桃久久精品国产亚洲av| 黄色毛片三级朝国网站| 老司机靠b影院| 1024香蕉在线观看| 欧美乱妇无乱码| 一本精品99久久精品77| 精品国产超薄肉色丝袜足j| 亚洲片人在线观看| 一个人观看的视频www高清免费观看 | 久久天躁狠狠躁夜夜2o2o| 老司机午夜福利在线观看视频| av片东京热男人的天堂| 黄色毛片三级朝国网站| 亚洲精品一区av在线观看| 国产精品日韩av在线免费观看| 成年人黄色毛片网站| www.精华液| 亚洲精品av麻豆狂野| 夜夜躁狠狠躁天天躁| 欧美性猛交╳xxx乱大交人| 国产成人精品久久二区二区91| 精品无人区乱码1区二区| 欧美一级a爱片免费观看看 | 国产欧美日韩精品亚洲av| 久久亚洲真实| 亚洲一卡2卡3卡4卡5卡精品中文| 精品一区二区三区四区五区乱码| 少妇的丰满在线观看| 午夜成年电影在线免费观看| 久久国产精品人妻蜜桃| 看片在线看免费视频| 国产成人精品久久二区二区免费| 黑人操中国人逼视频| 老熟妇乱子伦视频在线观看| 亚洲电影在线观看av| 波多野结衣高清无吗| 少妇人妻一区二区三区视频| 最好的美女福利视频网| 亚洲片人在线观看| 亚洲国产欧美人成| 叶爱在线成人免费视频播放| 久久久久九九精品影院| 国产69精品久久久久777片 | 男女午夜视频在线观看| 他把我摸到了高潮在线观看| 久久精品国产亚洲av香蕉五月| 精品久久蜜臀av无| 99久久综合精品五月天人人| 国产人伦9x9x在线观看| 99国产精品一区二区三区| 久久婷婷成人综合色麻豆| 午夜福利欧美成人| 国产免费av片在线观看野外av| 亚洲精品一卡2卡三卡4卡5卡| 国产精品久久久久久久电影 | 国产欧美日韩一区二区精品| av片东京热男人的天堂| 亚洲国产精品久久男人天堂| 久久久精品大字幕| 99国产精品99久久久久| 超碰成人久久| 欧美一区二区精品小视频在线| 国内揄拍国产精品人妻在线| 久久亚洲精品不卡| 久久国产乱子伦精品免费另类| 亚洲av成人不卡在线观看播放网| 三级国产精品欧美在线观看 | 国产在线观看jvid| 日本一二三区视频观看| 国产黄色小视频在线观看| 亚洲国产欧美一区二区综合| tocl精华| 久久久久国产一级毛片高清牌| 亚洲男人的天堂狠狠| 免费无遮挡裸体视频| 男女下面进入的视频免费午夜| cao死你这个sao货| 国产精品一区二区免费欧美| www.自偷自拍.com| 亚洲精品中文字幕一二三四区| 特大巨黑吊av在线直播| 亚洲中文字幕日韩| 精品乱码久久久久久99久播| 日韩有码中文字幕| 不卡av一区二区三区| 日韩精品免费视频一区二区三区| 国产精华一区二区三区| 男男h啪啪无遮挡| 亚洲精品在线观看二区| 午夜亚洲福利在线播放| 欧美久久黑人一区二区| 久久久久亚洲av毛片大全| 国产精品精品国产色婷婷| 国产成人欧美在线观看| 三级男女做爰猛烈吃奶摸视频| 欧美午夜高清在线| 午夜激情福利司机影院| 日韩精品中文字幕看吧| 免费电影在线观看免费观看| 免费在线观看亚洲国产| 国产精品98久久久久久宅男小说| 岛国视频午夜一区免费看| 成人av在线播放网站| 中文字幕高清在线视频| 男女下面进入的视频免费午夜| 免费看十八禁软件| 精品久久久久久久人妻蜜臀av| av中文乱码字幕在线| 俄罗斯特黄特色一大片| 欧美另类亚洲清纯唯美| 国产一区二区三区视频了| 国产黄a三级三级三级人| 三级毛片av免费| 女人爽到高潮嗷嗷叫在线视频| 美女大奶头视频| 欧美在线一区亚洲| 成人一区二区视频在线观看| 亚洲欧美日韩无卡精品| 午夜福利视频1000在线观看| 国产av麻豆久久久久久久| 国产亚洲精品第一综合不卡| 1024视频免费在线观看| 欧美高清成人免费视频www| 亚洲成人精品中文字幕电影| 青草久久国产| 欧美乱色亚洲激情| 国产精品,欧美在线| 成人精品一区二区免费| 日韩成人在线观看一区二区三区| 久久久久国内视频| 99久久99久久久精品蜜桃| 亚洲国产精品999在线| 最近最新免费中文字幕在线| 午夜日韩欧美国产| 巨乳人妻的诱惑在线观看| www.www免费av| 一级毛片女人18水好多| 巨乳人妻的诱惑在线观看| 日韩高清综合在线| 久久精品国产综合久久久| 五月伊人婷婷丁香| 国产欧美日韩一区二区精品| 亚洲一区中文字幕在线| 变态另类丝袜制服| 99热这里只有精品一区 | 91字幕亚洲| 久久人妻福利社区极品人妻图片| 狂野欧美白嫩少妇大欣赏| 色精品久久人妻99蜜桃| 亚洲中文av在线| 午夜福利在线观看吧| 给我免费播放毛片高清在线观看| 精品欧美一区二区三区在线| 高潮久久久久久久久久久不卡| 成人国产综合亚洲| 美女免费视频网站| 色精品久久人妻99蜜桃| 人妻久久中文字幕网| 精品高清国产在线一区| 黄色 视频免费看| 国产三级黄色录像| 成年人黄色毛片网站| 法律面前人人平等表现在哪些方面| 黑人操中国人逼视频| 在线观看66精品国产| 国产精品香港三级国产av潘金莲| 久久久久久久午夜电影| 99久久无色码亚洲精品果冻| 两人在一起打扑克的视频| 精品一区二区三区av网在线观看| 岛国在线观看网站| 最好的美女福利视频网| 久久久久久久午夜电影| 成人手机av| 国产精品久久电影中文字幕| 亚洲专区字幕在线| 好男人电影高清在线观看| 国产高清视频在线观看网站| 国产精品 国内视频| 国产久久久一区二区三区| 757午夜福利合集在线观看| 亚洲18禁久久av| 狂野欧美白嫩少妇大欣赏| 少妇熟女aⅴ在线视频| 岛国视频午夜一区免费看| 两人在一起打扑克的视频| 女同久久另类99精品国产91| а√天堂www在线а√下载| 九色国产91popny在线| 精品人妻1区二区| 母亲3免费完整高清在线观看| 99精品在免费线老司机午夜| 国产高清激情床上av| 久久香蕉激情| 熟女电影av网| 免费人成视频x8x8入口观看| 黑人操中国人逼视频| 1024香蕉在线观看| 精品一区二区三区四区五区乱码| 身体一侧抽搐| 亚洲七黄色美女视频| 欧美久久黑人一区二区| 午夜福利欧美成人| 一进一出抽搐动态| 夜夜看夜夜爽夜夜摸| 日韩欧美免费精品| 国产精品一区二区免费欧美| www日本黄色视频网| 桃红色精品国产亚洲av| www日本在线高清视频| 国产蜜桃级精品一区二区三区| 18美女黄网站色大片免费观看| 亚洲欧美精品综合久久99| 无人区码免费观看不卡| 国产精品久久视频播放| 亚洲人成网站高清观看| 日本黄大片高清| 国产在线观看jvid| 亚洲专区中文字幕在线| 欧美性猛交╳xxx乱大交人| 精品午夜福利视频在线观看一区| 国产精品一区二区三区四区免费观看 | 亚洲精品国产一区二区精华液| 91在线观看av| 2021天堂中文幕一二区在线观| 久久久久久国产a免费观看| 51午夜福利影视在线观看| 人妻久久中文字幕网| 天天一区二区日本电影三级| 久久婷婷人人爽人人干人人爱| 久久亚洲真实| 高潮久久久久久久久久久不卡| 免费看a级黄色片| 男女之事视频高清在线观看| 欧美中文综合在线视频| 欧美三级亚洲精品| 国产精品,欧美在线| 亚洲五月婷婷丁香| 国产1区2区3区精品| 日韩欧美国产在线观看| 99久久久亚洲精品蜜臀av| 国产伦人伦偷精品视频| 观看免费一级毛片| 久久久国产欧美日韩av| 亚洲黑人精品在线| 制服人妻中文乱码| 久久香蕉精品热| 国产av不卡久久| 国产亚洲欧美98| 两性午夜刺激爽爽歪歪视频在线观看 | 国产高清激情床上av| 欧美成狂野欧美在线观看| 特级一级黄色大片| 91麻豆精品激情在线观看国产| 亚洲人成伊人成综合网2020| 国产精品1区2区在线观看.| www.999成人在线观看| 国产精华一区二区三区| 欧美高清成人免费视频www| 亚洲午夜理论影院| 亚洲av成人不卡在线观看播放网| 成人午夜高清在线视频| 正在播放国产对白刺激| 老汉色∧v一级毛片| 舔av片在线| 成人亚洲精品av一区二区| 精品一区二区三区视频在线观看免费| 99国产综合亚洲精品| 一本精品99久久精品77| 亚洲色图av天堂| 又紧又爽又黄一区二区| 午夜a级毛片| а√天堂www在线а√下载| 精品久久久久久久久久久久久| 女同久久另类99精品国产91| avwww免费| 久久久久九九精品影院| 波多野结衣巨乳人妻| 一a级毛片在线观看| 国产成人精品久久二区二区91| 久久久久精品国产欧美久久久| 亚洲中文字幕日韩| 黄色视频不卡| www国产在线视频色| 在线a可以看的网站| АⅤ资源中文在线天堂| 欧美色欧美亚洲另类二区| 国产黄片美女视频| 岛国视频午夜一区免费看| 亚洲人成伊人成综合网2020| www日本在线高清视频| 宅男免费午夜| 国产成人aa在线观看| 亚洲va日本ⅴa欧美va伊人久久| 他把我摸到了高潮在线观看| 久99久视频精品免费| 久久精品亚洲精品国产色婷小说| 国产精品自产拍在线观看55亚洲| 国产精品一区二区免费欧美| 欧美日本亚洲视频在线播放| 午夜福利在线观看吧| 免费观看精品视频网站| 久久婷婷成人综合色麻豆| 哪里可以看免费的av片| 国产区一区二久久| 欧美不卡视频在线免费观看 | e午夜精品久久久久久久| 免费无遮挡裸体视频| 国产精品一区二区三区四区久久| 亚洲成a人片在线一区二区| 一级黄色大片毛片| 19禁男女啪啪无遮挡网站| aaaaa片日本免费| 亚洲国产精品合色在线| 亚洲成人国产一区在线观看| 热99re8久久精品国产| 又紧又爽又黄一区二区| 国产欧美日韩精品亚洲av| 国产单亲对白刺激| 欧美性长视频在线观看| 亚洲,欧美精品.| 午夜老司机福利片| 天天一区二区日本电影三级| 岛国视频午夜一区免费看| 很黄的视频免费| 国产亚洲精品一区二区www| 亚洲精品色激情综合| e午夜精品久久久久久久| 看片在线看免费视频| 美女大奶头视频| 久久香蕉激情| 看免费av毛片| 又粗又爽又猛毛片免费看| 一个人观看的视频www高清免费观看 | 在线免费观看的www视频| 国产成人aa在线观看| 不卡av一区二区三区| 国产91精品成人一区二区三区| 真人一进一出gif抽搐免费| 国产亚洲精品一区二区www| 男女做爰动态图高潮gif福利片| 一本久久中文字幕| 久久久久久久久中文| 国产高清激情床上av| 免费在线观看黄色视频的| 又黄又粗又硬又大视频| 99久久精品热视频| 午夜精品久久久久久毛片777| 久久精品亚洲精品国产色婷小说| 久久精品aⅴ一区二区三区四区| 久99久视频精品免费| 日韩精品中文字幕看吧| 久久久水蜜桃国产精品网| 精品欧美国产一区二区三| 国产免费男女视频| 99热只有精品国产| 最近最新免费中文字幕在线| 美女扒开内裤让男人捅视频| 亚洲va日本ⅴa欧美va伊人久久| 香蕉av资源在线| 一进一出抽搐动态| 欧美精品亚洲一区二区| 国产黄a三级三级三级人| 黄色片一级片一级黄色片| 熟妇人妻久久中文字幕3abv| 亚洲av美国av| 女人被狂操c到高潮| 久久久久久免费高清国产稀缺| 香蕉丝袜av| 成人亚洲精品av一区二区| 曰老女人黄片| 天堂动漫精品| 99热这里只有精品一区 | 在线国产一区二区在线| 国产高清激情床上av| av福利片在线| 国产精品亚洲美女久久久| 国产精品久久久久久精品电影| 99热6这里只有精品| 在线观看免费视频日本深夜| 九九热线精品视视频播放| 91老司机精品| 婷婷六月久久综合丁香| 别揉我奶头~嗯~啊~动态视频| 国产精品一区二区三区四区免费观看 | av欧美777| 国产欧美日韩一区二区精品| 窝窝影院91人妻| 无遮挡黄片免费观看| 成年人黄色毛片网站| 日韩精品中文字幕看吧| 国产精品日韩av在线免费观看| 欧美人与性动交α欧美精品济南到| 欧美一级a爱片免费观看看 | 欧美色欧美亚洲另类二区| 麻豆成人av在线观看| 亚洲精品粉嫩美女一区| 国产v大片淫在线免费观看| 亚洲自偷自拍图片 自拍| 精品人妻1区二区| 日韩高清综合在线| 成人永久免费在线观看视频| 国产真人三级小视频在线观看| 亚洲成av人片免费观看| 国产成人精品久久二区二区免费| 久久精品夜夜夜夜夜久久蜜豆 | 国产成人欧美在线观看| 精品福利观看| 最近视频中文字幕2019在线8| 国产精品一区二区免费欧美| 中文字幕人成人乱码亚洲影| cao死你这个sao货| 啦啦啦韩国在线观看视频| 国产又色又爽无遮挡免费看| 男插女下体视频免费在线播放| 亚洲av片天天在线观看| 18禁国产床啪视频网站| 美女 人体艺术 gogo| 日韩中文字幕欧美一区二区| 亚洲av电影在线进入| 精品一区二区三区av网在线观看| 两个人免费观看高清视频| 性欧美人与动物交配| 老司机靠b影院| 国产高清有码在线观看视频 | 此物有八面人人有两片| 精品久久久久久久末码| 欧美精品啪啪一区二区三区| 午夜激情福利司机影院| 色av中文字幕| 亚洲精品在线观看二区| 男插女下体视频免费在线播放| 亚洲色图av天堂| 久久中文字幕一级| 99国产精品99久久久久| 日本精品一区二区三区蜜桃| 在线播放国产精品三级| 日韩欧美精品v在线| 国产麻豆成人av免费视频| 身体一侧抽搐| 99riav亚洲国产免费| 中文资源天堂在线| 哪里可以看免费的av片| 亚洲av成人精品一区久久| 色综合亚洲欧美另类图片| 欧美极品一区二区三区四区| 最好的美女福利视频网| 无人区码免费观看不卡| 一进一出抽搐gif免费好疼| 18禁裸乳无遮挡免费网站照片| 在线观看免费视频日本深夜| 日韩有码中文字幕| 巨乳人妻的诱惑在线观看| 国产人伦9x9x在线观看| 亚洲av日韩精品久久久久久密| 亚洲一区二区三区不卡视频| 欧美成人一区二区免费高清观看 | 亚洲,欧美精品.| 国产1区2区3区精品| 国产伦人伦偷精品视频| 全区人妻精品视频| 亚洲欧美激情综合另类| 亚洲精品久久成人aⅴ小说| 久久久久久久久免费视频了| 亚洲人成77777在线视频| 国产亚洲精品一区二区www| 最近视频中文字幕2019在线8| 成人18禁在线播放| 国产激情欧美一区二区| 婷婷六月久久综合丁香| 狂野欧美激情性xxxx| 日本黄色视频三级网站网址| 亚洲熟妇中文字幕五十中出| 高清在线国产一区| 五月伊人婷婷丁香| 麻豆成人午夜福利视频| 亚洲 欧美 日韩 在线 免费| 久久精品91无色码中文字幕| 婷婷精品国产亚洲av| 欧美在线一区亚洲| 成人高潮视频无遮挡免费网站| 18禁美女被吸乳视频| 香蕉久久夜色| 免费看美女性在线毛片视频| 搡老熟女国产l中国老女人| 听说在线观看完整版免费高清| 亚洲av成人一区二区三| 久久精品综合一区二区三区| 成人一区二区视频在线观看| 五月玫瑰六月丁香| 黑人欧美特级aaaaaa片| 亚洲精品色激情综合| 午夜精品一区二区三区免费看| 深夜精品福利| 亚洲欧美日韩高清在线视频| 麻豆国产97在线/欧美 | av欧美777| 脱女人内裤的视频| 亚洲av熟女| 妹子高潮喷水视频| 国产区一区二久久| 久久久国产欧美日韩av| 亚洲免费av在线视频| 国产片内射在线| 亚洲专区中文字幕在线| 久9热在线精品视频| 成人特级黄色片久久久久久久| 成人午夜高清在线视频| 日韩欧美在线乱码| 少妇裸体淫交视频免费看高清 | 少妇熟女aⅴ在线视频| 香蕉丝袜av| 91九色精品人成在线观看| 久久久久久大精品| 中文字幕高清在线视频| 91成年电影在线观看| 黑人操中国人逼视频| 亚洲九九香蕉| 国产免费男女视频| av视频在线观看入口| 国产精品99久久99久久久不卡| 久久精品成人免费网站| 黑人巨大精品欧美一区二区mp4| 午夜免费激情av| 身体一侧抽搐| 三级毛片av免费| 精品人妻1区二区| 性欧美人与动物交配| 日韩 欧美 亚洲 中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 久久精品aⅴ一区二区三区四区| 黄色丝袜av网址大全| 美女高潮喷水抽搐中文字幕| 怎么达到女性高潮| 黄频高清免费视频| 悠悠久久av| 精品久久久久久成人av| 视频区欧美日本亚洲| 久热爱精品视频在线9| 国产日本99.免费观看| 黄片小视频在线播放| 女人爽到高潮嗷嗷叫在线视频| 丝袜人妻中文字幕| 亚洲一区二区三区色噜噜| 在线观看免费午夜福利视频| 欧美又色又爽又黄视频| 欧美又色又爽又黄视频| 国模一区二区三区四区视频 | 国产亚洲精品一区二区www| 久久中文字幕一级| 国产伦在线观看视频一区| 亚洲一码二码三码区别大吗| 黄色成人免费大全| 久久性视频一级片| 99久久久亚洲精品蜜臀av| x7x7x7水蜜桃| 欧美在线黄色| 亚洲欧洲精品一区二区精品久久久| 美女黄网站色视频| 久久 成人 亚洲| 精品国产乱码久久久久久男人| 天堂动漫精品| 午夜日韩欧美国产| 国产高清有码在线观看视频 | 亚洲18禁久久av| 中文字幕高清在线视频| 国产亚洲精品久久久久5区| 亚洲一区中文字幕在线| www.www免费av| 国产爱豆传媒在线观看 | 国产野战对白在线观看| 校园春色视频在线观看| 国产精品亚洲美女久久久| 日韩欧美三级三区| 精品国内亚洲2022精品成人| av有码第一页| 久久精品国产综合久久久| 久久亚洲真实| 日韩免费av在线播放| 成人国语在线视频| 国产精品免费一区二区三区在线| 天堂av国产一区二区熟女人妻 | 久久亚洲真实| 亚洲电影在线观看av| 久久香蕉激情| 最好的美女福利视频网| 亚洲第一欧美日韩一区二区三区| 中文字幕人成人乱码亚洲影| 精品一区二区三区av网在线观看| 听说在线观看完整版免费高清| 欧美精品啪啪一区二区三区| 又大又爽又粗| 又粗又爽又猛毛片免费看| 欧美一级毛片孕妇| 一进一出好大好爽视频| 窝窝影院91人妻| 一个人免费在线观看电影 | 悠悠久久av| 欧美中文日本在线观看视频| 午夜免费观看网址| 一级毛片高清免费大全| 日日干狠狠操夜夜爽| 一区二区三区激情视频| 精品一区二区三区四区五区乱码| 日韩精品免费视频一区二区三区| 中文字幕久久专区|