-
题名TCGCL:基于图对比学习的复杂网络流量分类算法
- 1
-
-
作者
胡仲则
秦宏超
李振军
李艳辉
李荣华
王国仁
-
机构
北京理工大学计算机学院
深圳城市职业学院信息与通信学院
重庆交通大学信息科学与工程学院
深圳市龙岗区智能供应链技术重点实验室
-
出处
《计算机科学与探索》
北大核心
2025年第5期1230-1240,共11页
-
基金
国家重点研发计划(2021YFB3301301)
国家自然科学基金(U2241211,62072034,62202053)
+1 种基金
重庆市教育委员会科学技术研究项目(KJQN202000707)
重庆市自然科学基金(cstc2021jcyj-msxmX0859)。
-
文摘
网络流量分类技术在网络安全领域中起到了关键性作用。现代网络架构高度复杂,网络流量传输过程中将会不可避免地遇到各种异常情况。为此,提出了一种稳定性指标,评估算法对数据异常干扰的抵抗能力,基于图对比学习技术提出一种流量分类算法TCGCL,可以同时提取网络流量内部的载荷特征及网络流量之间的通联关系特征,更全面地保留数据有效信息,在此基础上通过数据增强技术模拟网络流量异常状态表现,大幅提升了算法在数据异常情况下的分类稳定性。基于协议分析技术,对流量分类过程中图结构数据的构造方式进行了研究,提出了一种高质低维的属性生成方法。实验表明,相较于基线算法,在达到近乎相同准确率的前提下,TCGCL的样本输入维度降低了约80%。针对复杂网络通信环境,TCGCL对测试样本进行了噪音混淆,模拟流量异常的情况。测试结果表明,TCGCL在流量出现异常的条件下仍可保持很高的分类准确率,且稳定性指标大幅领先于基线算法。
-
关键词
流量分类
图神经网络
对比学习
协议分析
-
Keywords
traffic classification
graph neural networks
contrastive learning
protocol analysis
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名面向二部图的极大缺陷二团高效枚举算法
- 2
-
-
作者
代强强
于瀚文
李荣华
李振军
王国仁
-
机构
北京理工大学计算机学院
深圳城市职业技术学院信息与通信学院
-
出处
《软件学报》
北大核心
2025年第4期1796-1810,共15页
-
基金
新一代人工智能国家科技重大专项(2020AAA0108503)
国家自然科学基金(U2241211,62072034)
+3 种基金
中国博士后创新人才支持计划(BX20240467)
中国博士后科学基金(2023M740245)
广东省哲学社会科学规划项目(GD21CYj21)
深圳市教育科学“十四五”规划:2023年度项目(rgzn23021)。
-
文摘
极大二团枚举问题是二部图分析中的一个基本研究问题.然而,在实际应用中,传统二团模型要求子图必须为完全二部图的约束往往过于严格,因此需要一些更为宽松的二团模型作为代替.为此,提出一种新的称之为k-缺陷二团的松弛二团模型.该模型允许二部图子图与完全子图二团最多相差k条边.由于极大k-缺陷二团枚举问题属于NP-难问题,设计高效的枚举算法是一项极具挑战性的任务.为解决此问题,提出一种基于对称集合枚举的算法.该算法的思想是通过k-缺陷二团中缺失边的数量约束来控制子分支的数量.为进一步提高计算效率,还提出一系列优化技术,包括基于排序的子图划分方法、基于上界的剪枝方法、基于线性时间的更新技术以及分支的优化方法.此外,提出的优化算法的时间复杂度与量的实验结果表明,在大部分参数条件下所提方法的效率相较于传统分支定界方法提高了100倍以上.
-
关键词
二部图
稠密子图挖掘
k-缺陷二团
-
Keywords
bipartite graph
cohesive subgraph mining
k-defective biclique
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
