可变相似性度量的近邻传播聚类

近邻传播(AP)聚类算法面临的一个问题是不适用于多重尺度及任意空间形状的数据聚类处理。该文从数据分布特性的表征出发,提出了一种改进的近邻传播聚类算法AP-VSM (Affinity Propagation based on Variable-Similarity Measure)。首先,综合数据的全局与局部分布特性,设计了一种数据可变相似性度量计算方法,该度量可以有效地反映数据实际聚类的分布特性;然后在传统AP算法框架基础上,构造出基于可变相似性度量的近邻传播聚类算法,从而拓展了传统AP算法的数据处理能力。仿真实验验证了新方法性能优于传统AP算法。     

一种分层组合的半监督近邻传播聚类算法

 针对近邻传播(AP)聚类算法的计算复杂度和准确性,该文提出一种分层组合的半监督近邻传播聚类算法(SAP-SC)。算法引入“分层聚类”的思想,将一次AP聚类过程等分成若干层聚类,使得处理过程简单、易于实现;每层只关注聚类“困难”的数据点,并通过构造“成对点约束”和使用“子簇标签映射”进行半监督学习;基于“组合提升”的方法将各层聚类结果加权叠加,从而提升了算法的准确性能。理论分析和实验结果表明：算法在聚类准确性和计算复杂度方面有了较大改进。     

基于传输层特征和统计特征的P2P流量识别

准确识别对等网络(P2P)流量对网络流量控制有着重要意义。针对P2P流量提出一种高准确度的识别方法。该方法通过统计报文首部ASCII码出现的频率,提取出一个256维的统计特征,结合数据流量的传输层特征,使用决策树算法对流量进行分类识别。在识别过程中提出数据分块的思想,提高了识别的正确率并且能够统计P2P流量流经的端口。仿真测试结果表明,该方法可以在多种流量混杂的情况下识别出P2P流量,且具有较高的准确度。     

基于改进的半监督AP聚类雷达信号分选

雷达信号分选是现代高技术战争和将来信息化战争中至关重要的环节,是电子战的重要组成部分。从时频分析的角度出发,不同调制方式的信号会在某些频带内具有不同的分解系数,这些差异性使得小波包提取的特征能够进行信号调制方式的识别。提取信号小波包能量熵的统计特征,利用改进的半监督近邻传播聚类算法对特征进行聚类分析。与直接半监督近邻传播聚类算法和传统近邻传播算法比较,改进的半监督近邻传播聚类算法性能更优,准确率更高,而且聚类数更加接近实际聚类数。     

基于近邻传播算法的K-means聚类优化算法

K-means聚类算法在随机选择的初始聚类中心的基础上进行聚类,其聚类效果会因为初始聚类中心的不确定性而不稳定。为了优化其聚类效果,提出了基于近邻传播算法(AP算法)的K-means聚类优化算法(APK-means)。该算法首先通过近邻传播算法生成若干个初始聚类,然后依序选择k个聚类规模最大的聚类中心作为K-means聚类算法的初始聚类中心,接着运行K-means聚类。算法有效性分析和实验结果验证了该算法有效优化了K-mean算法的聚类稳定性和有效性。     

网络虚拟化环境下的业务聚类方法

为了满足未来丰富多样化的网络业务需求,研究者们提出了许多解决方案,这些方案的本质都是基于网络虚拟化技术的。本文在网络虚拟化环境下展开业务聚类研究,并对业务聚类的需求和聚类算法进行了分析,提出了基于近邻传播聚类算法(AP)的网络业务聚类方法,针对算法存在的不足,提出了优化的AP聚类算法(OAP)。实验结果表明采用该方法在业务聚类过程中获得了较好的性能。     

基于半监督学习聚类数据标注的多功能雷达工作模式识别

对多功能相控阵雷达工作模式准确识别可为电子对抗决策提供依据，具有重要研究意义。现有工作模式识别方法主要基于已知标签的训练集，而实际中先验信息匮乏，数据标签难以获知，极大影响了工作模式识别性能。为此，提出了一种在少量先验信息辅助下基于半监督学习聚类实现未知数据标注的工作模式识别方法。首先根据聚类算法的内部评价指标和外部评价指标对比分析AP聚类(affinity propagation clustering)、DBSCAN聚类(density-based spatial clustering of applications with noise)和模糊C均值聚类(fuzzy C-means clustering, FCM)3种典型聚类算法的性能，验证了AP聚类算法性能最优，并将其应用于对截获数据的数据标注中。然后利用卷积神经网络对雷达工作模式进行识别，并与已知标签训练集下的网络进行对比，验证了基于AP聚类算法进行数据标注的可行性，提升了相较传统识别网络的抗噪性，为后续多功能雷达行为认知提供了基础。     

近邻半监督聚类算法的MATLAB实现

本文提出了一种用Matlab实现近邻半监督聚类算法的实例,补充进入MATLAB工具箱,并使用该算法对三个UCI数据集进行聚类,并通过F-measure指标验证了该算法的有效性。     

基于近邻传播聚类与核匹配追踪的遥感图像目标识别方法

核匹配追踪算法在生成函数字典的过程中常采用贪婪算法进行全局最优搜索,导致算法学习时间过长。该文针对这一缺陷,提出一种基于近邻传播(Affinity Propagation, AP)聚类与核匹配追踪相结合的分类方法(AP-Kernel Matching Pursuit, AP-KMP),该方法利用聚类算法来优化核匹配追踪算法中的字典划分过程,使用近邻传播聚类将目标数据集划分为若干小型字典空间,随后KMP算法在小型字典空间进行局部搜索,从而缩短学习时间。针对部分UCI数据集和遥感图像数据集,分别采用AP-KMP算法与另4种经典算法进行分类比较实验,结果表明该文算法在时间开销和分类性能上均有一定的优越性。     

P2P网络聚合流量识别技术研究

对等体网络P2P（Peer-to-Peer）应用系统中对等体主机的行为特征与P2P业务流量特征多样化、复杂化,使得单纯利用一种典型特征的P2P流量分类技术的识别精度不高。文中提出了一种新的P2P流量多阶段识别方法,该方法根据P2P应用流量的一系列固有特征,可以从聚合网络流中识别P2P流量。通过实验表明,丈中所提出的方法P2P流识别精度可达99．7％,同时错误分类精度0．3％。     

An efficient method of P2P traffic identification based on wavelet packet decomposition and kernel principal component analysis

Peer‐to‐peer (P2P) traffic identification is currently an important challenge to network management and measurement. Many approaches based on statistics have been proposed to identify P2P traffic. However, flow features extracted by traditional methods are rough and one‐sided, which might lead to inaccuracy identification of network traffic. Besides, P2P traffic has too many statistical features, which is a challenge to the time complexity and space complexity of the classifier. This work focuses on the study of flow features. First, micro features of flow signals are extracted based on wavelet packet decomposition, and we combine them with the traditional features into combination features. The experimental results show that combination features have better performance than traditional features for P2P traffic identification, and 16 kinds of wavelet functions were tested to find the best one. Second, a feature reduction algorithm based on improved kernel principal component analysis is provided. The results show that the feature reduction algorithm proposed in this paper plays good performance to P2P traffic identification, because it could greatly reduced the number of features while having no affection on identification accuracy. Copyright © 2012 John Wiley & Sons, Ltd.     

MSPnet： MANAGEABLE SIP P2P MEDIA DISTRIBUTION SYSTEM

The letter proposes a three-layer manageable media distribution network system archi- tecture called MSPnet, which is based on Session Initiation Protocol[1] and Peer to Peer (SIP P2P) technology. MSPnet performs application-level structured DHT routing and resource location among domains and unstructured ones in domain. Except for media distribution, it can be used to support a variety of P2P applications, including video broadcasting, video on demand, VoIP, etc. MSPnet is composed of three layers, namely, the signal control layer, the management layer, and the media transportation layer. The MSPnet prototype consists of the SIP server, the management server, the media server, and the node User Agent (UA). Results from a prototype experiment in a large-scale Internet environment show that MSPnet is feasible, scalable and manageable.     

一种P2P网络中基于位置感知的节点选择策略

P2P网络作为一种覆盖网络,邻居节点的选择若不考虑网络层、物理层信息,将导致较低的数据传输速度和不必要的跨运营商流量,从而大大限制P2P技术的应用。位置感知策略可以解决这些问题。本文对现有位置感知策略进行分类,并通过分析比较指出了现有位置感知策略的优缺点。提出了一种基于IP地址库的简单有效的节点选择策略,能够感知节点的运营商信息和物理位置。     

基于UDP流量的P2P流媒体流量识别算法研究

以几款主流的P2P流媒体网络电视作为研究对象,深入分析了其产生的流量在端口使用方面的特点和报文长度分布上的差异。通过对这些特征的总结和提取,获得了基于端口特性“在一次交互过程中,特定主机的特定端口唯一确定一种应用”等结论。在此基础上提出了一种基于带有扩展属性的流记录准确识别P2P应用UDP流量的EXID算法。通过对CERNET江苏省边界10G主干信道上采集的Trace数据中5种P2P流媒体应用进行识别,并与机器学习流量识别算法进行比较,其结果表明提出的方案具有很高的查准率和查全率,时间效率高,且不易受样本比重的影响。     

基于结构化P2P的语义查询技术

由于P2P系统可以高效地对资源进行共享而受到关注,但现在的P2P仅支持精确查找或者通过洪泛方式进行低效率文本检索。为了解决这个问题,该文提出了一种结构化P2P环境中的文本检索系统,使用LSH函数将高维语义相关的文本向量映射相近的节点上,并解决了由此带来的负载均衡问题。实验结果显示该系统具有很好的查询准确率和负载均衡性能。     

一种全新的P2P网络解决方案-JXTA技术

对等网络P2P（Peer to Peer）是因特网实现下一次飞跃的的关键。在P2P网络模式的研究领域里，JXTA （juxtapose,并行）作为一种全新的P2P网络解决方案已经日益受到业界的关注。首先介绍了P2P网络以及它与传统网络模式的区别，然后详细介绍了JXTA技术，并在此基础上提出了对等体发现的几点思路。     

对等计算中的基于多移动Agent的协作联盟机制

对等计算技术为Internet这样开放式的、动态变化的网络环境里各节点间的协同工作,进行复杂的分布式业务处理提供了运行基础设施。但是P2P环境中各节点随机加入和退出网络的、工作承担者事先不确定等特点也为工作的顺利完成带来了困难。该文提出一种对等计算环境中基于多移动Agent的柔性的、动态的协作联盟机制,适合部署于复杂、多变的应用环境之中,以克服对等节点协作的困难。主要思想是在某一需求目标的驱动下,主导节点建立项目,经过工作主体遴选,形成暂时的、优化的协作联盟,在复杂的处理流程的规范下,基于合作承诺,联合完成项目设定的任务。该文还将该机制应用于构建虚拟的敏捷企业供应链管理原型系统,以此证明了该机制的实用性价值。     

Adaptive traffic sampling for P2P botnet detection

Peer‐to‐peer (P2P) botnets have become one of the major threats to network security. Most existing botnet detection systems detect bots by examining network traffic. Unfortunately, the traffic volumes typical of current high‐speed Internet Service Provider and enterprise networks are challenging for these network‐based systems, which perform computationally complex analyses. In this paper, we propose an adaptive traffic sampling system that aims to effectively reduce the volume of traffic that P2P botnet detectors need to process while not degrading their detection accuracy. Our system first identifies a small number of potential P2P bots in high‐speed networks as soon as possible, and then samples as many botnet‐related packets as possible with a predefined target sampling rate. The sampled traffic then can be delivered to fine‐grained detectors for further in‐depth analysis. We evaluate our system using traffic datasets of real‐world and popular P2P botnets. The experiments demonstrate that our system can identify potential P2P bots quickly and accurately with few false positives and greatly increase the proportion of botnet‐related packets in the sampled packets while maintain the high detection accuracy of the fine‐grained detectors.     

P2P流量识别与管理技术

P2P流量在推动Internet宽带化的同时也带来了资源过度占用和网络安全等问题.本文调查和研究了P2P流量识别和策略控制的最新技术及相关设备,总结出P2P流量综合控制模型,并指出进一步的研究方向.