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

[11]

A P2P net-work traffic classification method using SVM. YANG Aimin,JIANG Shengyi,DENG He. Pro-ceedings of9th International Conference for Young Com-puter Scientists . 2008

[12]

Correlation-based Feature Selection of Machine Learning. Hall M. . 1998

[13]

Genetic algorithms as a tool for feature selection in machine learning. Vafaie H,De Jong K. Proceeding of the 4th International Conference on Tools with Artificial Intelligence . 1992

[14]

Consistency-based search in feature selection. M.Dash,H.Liu. Artificial Intelligence . 2003

[15]

Discriminators for use in flow-based classification. Moore A.W.,Zuev D. Technical Report RR-05-13 Department of Computer Science,Queen Mary,University of London . 2005

[16] 一种基于遗传操作和类内类间距离判据理论的特征选择方法 [J].

孙雷 ;

王新 ;

不详 .

计算机工程与应用 , 2004, (21) :178-181

← 1 2 →