一种网络流量分类特征的产生及选择方法

被引：4

作者：

阳爱民 ^{[1
]}

周咏梅 ^{[1
]}

邓河 ^{[2
]}

周剑峰 ^{[3
]}

机构：

[1] 广东外语外贸大学信息科学技术学院

[2] 长沙民政职业技术学院

[3] 广东外语外贸大学国际工商管理学院

来源：

山东大学学报(工学版) | 2010年 / 40卷 / 05期

基金：

广东省科技计划;

关键词：

网络流量分类; 特征产生; 特征选择; 遗传算法;

D O I：

暂无

中图分类号：

TP393.06 [];

学科分类号：

081201 ; 1201 ;

摘要：

在基于机器学习方法的网络流量分类系统中,特征产生及特征选择将直接影响到分类的速度及精度。针对这种情况,在特征产生方面,结合Packet-Level和Flow-Level上的信息,对报文属性(大小、个数、时间、标志位)、流的属性(时间)进行分析和研究,产生了37个网络流量统计特征。在特征选择方面,提出一种结合Filter模型和Wrapper模型的网络流量特征选择方法,实现了降维作用。实验表明,提出的方法提高了分类的精度。

引用

页码：1 / 7

页数：7

共 16 条

[1] 一种基于流特性描述的P2P流量模糊识别方法 [J].

孙知信 ;

宫婧 .

计算机学报, 2008, (07) :1252-1260

[2] 使用机器学习算法分类P2P流量的方法 [J].

刘永定 ;

阳爱民 ;

周序生 ;

邹豪杰 .

计算机应用研究, 2009, 26 (09) :3468-3471

[3]

Machine learning. Tom M Mitchell. . 1997

[4]

DoesMachine Learning Really Work?. Mitchell T M. The AI Magazine . 1997

[5]

Filters, wrappers and a boosting-based hybrid for feature selection. Sanmay Das. Proceeding of the 18th International Conference on Machine Learning . 2001

[6]

Wrappers for feature subset selection. Ron Kohavi,George H.John. Artificial Intelligence . 1997

[7]

Automated traffic classifica-tion and application identification using machine learning. ZANDER S,,NGUYENH,ARMITAGE G. Procof the 30th IEEE Conference on Local Computer Networks Anniversa-ry . 2005

[8]

Evaluating machine learning algorithms for automated network appli-cation identification:report of centre for advanced internet architectures (CAIA)group. WILLIAMS N,ZANDER S,ARMITAGE G. . 2006

[9]

A two-phase feature selection met hod using both fil-ter and wrapper. HUANG Yuan,SHIAN-SHYONG Tseng,WU Gangshanet al. Proceedings of1999IEEE Interna-tional Conference on Systems,Man,and Cybernetics . 1999

[10]

A probabilistic approach to feature selection: a filter solution. Liu H,Setiono R. Proceedings of the 13th International Conference on Machine Learning ICML’97 . 1996

← 1 2 →