动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足．提出了一种基于增长型自组织映射(GSOM) 的增量学习算法，对软件定义网络(SDN) 数据平面交换机的流表统计信息进行持续学习，动态获取网络流量的 GSOM 神经网络模型．基于 DARPA99 数据集的实验结果表明: 所提出的算法能够通过学习确认安全的 SDN 流量，获得稳定、 可塑的流量模式，对异常流量也有较高的敏感度