一种基于机器学习的P2P 网络流量识别算法研究∗

袁华兵

（西安医学院信息技术处 西安 710021）

1 引言

对等网络（Peer to Peer Networks，P2P）是计算机网络和分布式系统结合的产物，其被广泛地应用于即时通信、流媒体、文件存储和文件共享等领域［1］。目前，P2P 流量占到国内网络流量的70%以上，由此可见P2P 网络流量严重影响整个互联网的服务质量，因此进行P2P 流量识别对给用户提供可管可控的高质量网络服务具有重要意义。

为提高P2P 网络流量识别的准确率，针对Elman 神经网络预测精度受其权值和阈值选择的影响，本文运用蜻蜓算法［2］（Dragonfly Algorithm，DA）对Elman 神经网络的权值和阈值进行优化选择，提出一种基于DA-Elman的机器学习的P2P网络流量识别模型。研究结果表明，DA-Elman 可以有效提高P2P 网络流量识别的准确率，其准确率高达98.4252%，为P2P网络流量的识别提供新的方法和途径。

2 蜻蜓算法

DA 算法中，蜻蜓个体通过避撞行为、结对行为、聚集行为、觅食行为和避敌行为等5种行为方式进行觅食和寻优，这些个体行为详细描述如下［2］：

避撞行为的位置向量更新策略：

式中，X 为当前蜻蜓个体的位置；Xj为第j 个邻近蜻蜓个体位置；N为相邻蜻蜓个体的数量。

结对行为的位置向量更新策略：

式中，Vj为第j个邻近蜻蜓个体速度。

聚集行为的位置向量更新策略：

觅食行为的位置向量更新策略：

式中，X+为食物源位置（当前最优解）。

避敌行为的位置向量更新策略：

式中，天敌位置X-（当前最差解）。综合5 种蜻蜓群体行为，蜻蜓个体的步长向量更新策略为

式中，s、a、c、f、e 分别为5 种蜻蜓群体行为的权重；w 表示惯性权重；t 为当前迭代次数。

蜻蜓位置更新策略为

3 Elman神经网络

Elman 神 经 网 络［3～5］（Elman Neural Network，ENN）是一种具有局部反馈连接的前向神经网络，其由输入层（Input Layer）、隐含层（Hidden Layer）、关联层（Association Layer）和输出层（Output Layer）组成，其结果示意图如图1所示。

与传统的静态前向神经网络相比，ENN网络增加了一个关联层，也叫连接层，该层从隐含层接受反馈信号，隐含层节点数与关联层节点数相等，两者一一对应进行连接。图1中，W1、W2、W3分别为输入层到隐含层的权值矩阵、关联层到隐含层的权值矩阵和隐含层到输出层的权值矩阵；U（k-1）、X（k）、Y（k）和Xc（k）分别为ENN 的输入向量、隐含层输出向量、ENN 的输出向量和关联层的输出向量，其数学模型为［6～7］

其中，f(x)、g(x)分别为隐含层和输出层的传递函数；b1、b2分别为隐含层和输出层的阈值。

图1 Elman神经结构示意图

4 基于DA-Elman 的P2P 网络流量识别

4.1 适应度函数

针对ENN 预测精度受其权值和阈值选择的影响，本文运用DA 对ENN 网络的权值和阈值进行优化选择，DA-Elman模型的适应度函数为

4.2 算法流程

基于DA-Elman的P2P网络流量识别算法流程具体描述如下。

Step1：输入P2P 网络数据，产生Elman 训练集和测试集，并进行数据归一化，归一化公式为

其中，x'为归一化之后的数据；x，xmax，xmin分别原始数据、原始数据中的最大值和最小值；a、b为归一化之后的最小值和最大值。本文取a=-1，b=1。

Step2：DA 算法参数初始化：种群规模N，最大迭代次数T，若Elman 神经网络的输入层神经元个数为N1，隐含层神经元个数为N2，关联层神经元个数为N2，输出层神经元个数为N3，则DA 优化变量的个数为Num=N2×(N1+N2+N3)+(N2+N3)；

Step3：随机初始化步长向量DX 和随机产生蜻蜓个体的初始位置X ；

Step4：令当前迭代次数t=1，将训练集输入Elman，根据适应度函数式（9）计算所有蜻蜓个体的适应度，并进行排序记录当前最优解；

Step5：更新食物源位置X+（当前最优解）和天敌位置X-（当前最差解），更新5 种行为权重s、a、c、f、e和惯性权重w；

Step6：根据式（1）～式（5）更新S、A、C、E和F；

Step7：根据式（6）～式（7）更新步长向量和位置向量；

Step8：若迭代次数t＞T，保存ENN 的最佳参数W*1，W*2，W*3，b*1，b*2；否则，t=t+1，返回Step4；

Step9：将最ENN 的最佳参数W*1，W*2，W*3，b*2代入Elman进行P2P网络流量识别。

5 实证分析

5.1 数据来源

选择Wireshark 软件抓取网络流量数据，包括PPStream、eMule、BitTorrent 和PPLive 4 个网络流量数据类型［8～9］，每个类型的样本各159 个，一共636个数据样本。数据特征包括TCP 流量比例、连接数与不同IP 数目的比值、平均数据包长度、上行流量比例、数据包总数5个特征属性［10～11］。

5.2 评价指标

为了评价不同方法进行P2P 网络流量识别的优劣，选择准确率作为流量识别的评价指标［12］：

式中，AC 为准确率；N 为样本总数；TN 为正确分类的样本数量。

5.3 结果分析

为验证本文DA-Elman 算法的优劣，将DA-Elman 与PSO-Elman、GA-Elman 和Elman 进行对比，Elman 网络参数［13］为N1=5，N2=11，N3=1，最大迭代次数Tmax=1000，训练误差goal=0.001。通用参数设置：种群规模N=10，最大迭代次数T=100，PSO 算法［14］学习因子c1=c2=2；GA 算法［15］交叉概率pc=0.7，变异概率pm=0.1，训练集占比ratio=0.8，每个算法独立运行10次，识别结果取平均值，识别结果如图2～图5所示和表1所示。

图2 DA-Elman识别结果

图3 PSO-Elman识别结果

图4 GA-Elman识别结果

“○”为实际网络流量类型，“*”为预测识别的网络流量类型。由图2～图5 和表1 可知，与PSO-Elman、GA-Elman 和Elman 相比，DA-Elman可以有效提高P2P网络流量识别的准确率，其准确率高达98.4252%，分别比PSO-Elman、GA-Elman和Elman 提高4.7244%、6.2992%和9.5118%。智能算法优化Elman 的网络流量识别准确率均得到了较大提高，主要是因为智能算法对Elman 的权值和阈值进行了参数选择，提高了识别准确率。

图5 Elman识别结果

表1 不同算法识别准确率

图6 不同训练集占比识别正确率

由图6 可知，随着训练集占比的提高，DA-Elman的P2P网络流量识别的正确率不断提高，当ratio=0.1 时，识别准确率AC=80.7692%；当ratio=0.9时，识别准确率AC=96.3351%。综合分析可知，与PSO-Elman、GA-Elman 和Elman 相比，DA-Elman可以有效提高P2P 网络流量识别的准确率，其准确率高达98.4252%，为P2P网络流量的识别提供新的方法和途径。

6 结语

针对Elman 神经网络预测精度受其权值和阈值选择的影响，运用蜻蜓算法对Elman 神经网络的权值和阈值进行优化选择，提出一种基于DA-Elman 的机器学习的P2P 网络流量识别模型。研究结果表明，DA-Elman 可以有效提高P2P 网络流量识别的准确率，其准确率高达98.4252%，为P2P 网络流量的识别提供新的方法和途径。