基于新颖特征提取与选择方法的视频流量识别
网络与互联网体系结构
2023-03-08 v1 机器学习
摘要
近年来，视频应用的快速增长导致互联网视频流量激增，从而对网络管理提出了严峻挑战。因此，有效识别与管理视频流量已成为亟待解决的问题。然而，现有视频流量特征提取方法主要针对传统的包级与流级特征，视频流量识别准确率较低。此外，视频流量识别中常存在数据维度高的问题，需要有效方法筛选最相关特征以完成识别任务。尽管大量研究使用特征选择来提升识别性能，但尚无特征选择研究关注度量不重叠或重叠较小的特征分布。首先，本研究提出提取视频相关特征以构建大规模特征集来识别视频流量。其次，为降低视频流量识别成本并选择有效特征子集，本研究提出一种基于自适应分布距离的特征选择 (ADDFS) 方法，其使用 Wasserstein 距离度量特征分布间距离。为验证所提方法有效性，我们在校园网络环境中采集了来自不同平台的一组视频流量，并利用这些数据集开展实验。实验结果表明，所提方法对视频场景流量与云游戏视频流量识别均能取得较高识别性能。最后，ADDFS 与其他特征选择方法的对比显示，ADDFS 不仅适用于视频流量识别，也适用于一般分类任务，是一种实用的特征选择技术。
引用
@article{arxiv.2303.03949,
title = {Video traffic identification with novel feature extraction and selection method},
author = {Licheng Zhang and Shuaili Liu and Qingsheng Yang and Zhongfeng Qu and Lizhi Peng},
journal= {arXiv preprint arXiv:2303.03949},
year = {2023}
}