遗传算法优化BP神经网络的网络游戏流识别*

瞿志宇 郑学智

（武汉邮电科学研究院 武汉 430074）

1 引言

随着互联网技术的飞速发展，网络游戏作为依赖互联网产生的网络应用，也得到了很好的发展［1］，如今也成为社交的一种重要手段［2］。根据CNNIC（中国互联网信息中心）第42次《中国互联网络发展状况统计报告》显示，截至2018年6月，我国网络游戏用户规模达到4.86亿，占总体网民的60.6%，较去年末增长4391万人。手机网络游戏用户规模明显提升，达到4.58亿，较去年末增长5123万人，占手机网民的58.2%。不仅如此，网络游戏也得到了社会更多的认可，2019年4月人社部正式确认了电子竞技员正式成为一门职业，同月在国家统计局《体育产业统计分类（2019）》中，电子竞技被正式归为体育竞技项目。用户规模的增大导致对网络游戏服务质量的要求越来越高［3］。

周锐等［4］利用IP过滤、数据包大小信息熵、下上行包数目之比和PPS（Packets Per Second）等特征组合有效地提高网络游戏数据流识别准确率。毕夏安等［5］通过提取出识别游戏流量的特征数据库，并基于EGT-PC算法提出了一种高效的游戏流量分类方法，该算法在时间和空间上有很大的改进。Han Young-Tae等［6］在传输层提出一种基于简单决策树的ADT算法对游戏数据流进行精确分类。Mark Claypool等［7］通过对数据包大小、IP和比特率等信息对“瘦”客户端游戏进行研究。

BP（Back Propagation）神经网络是一种模仿人类神经网络工作方式而演化出的一种按误差反向传播的多层前馈网络，其结构包括输入层、隐含层、输出层三部分。具有较好的自适应学习能力，能以任意精度逼近非线性函数，在解决非线性问题上得到了广泛的应用［8］。……