基于机器学习的网络流量分类算法分析研究.pdf

《基于机器学习的网络流量分类算法分析研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第24卷，第2期中国传媒大学学报自然科学版Vol24，No22017年4月JOURNALOFCOMMUNICATIONUNIVERSITYOFCHINA（SCIENCEANDTECHNOLOGY）Apr，2017基于机器学习的网络流量分类算法分析研究1，2，31，2，31李晓明，任慧，颜金尧(1.中国传媒大学信息工程学院，北京100024;2.视听技术与智能控制系统文化部重点实验室，北京100024;3.现代演艺技术北京市重点实验室，北京100024)摘要:基于应用的流量分类在网络安全和管理中具有非常重要的作用。传统流量分类大部分是基于端口的预测方法和

2、基于有效载荷的深度检测方法。由于当前网络环境中各种隐私问题以及基于动态端口和加密的应用，传统的网络流量分类策略的有效性已经逐步下降，目前主要集中在基于机器学习技术的流量分类模型进行研究。本文对各种基于机器学习算法的流量分类的比较，如贝叶斯网络(BayesNet)、朴素贝叶斯(NaiveBayes)、基于ＲBF的SVM流量分类和基于遗传算法的SVM(GaSVM)流量分类等。这些算法分别使用了全特征选择和优化后的特征集合，实验结果表明基于遗传算法的SVM流量分类精度较高，并在使用主成分特征也可以达到很高的精度。关键词:贝叶斯网络;朴素贝叶斯;机器学习;遗传

3、算法;SVM;GaSVM中图分类号:TP393文献标识码:A文章编号:1673－4793(2017)02－0009－06DOI:10.16196/j.cnki.issn.1673-4793.2017.02.003ＲesearchonNetworkTrafficClassificationAlgorithmBasedonMachineLearning1，2，31，2，31LIXiao-ming，ＲENHui，YANJin-yao(1.InformationEngineeringSchool，CommunicationUniversityofChinaBe

4、ijing100024;2.KeyLaboratoryofAcousticVisualTechnologyandIntelligentControlSystem，MinistryofCulture，Beijing100024;3.BeijingKeyLaboratoryofModernEntertainmentTechnologyBeijing，Beijing100024，China)Abstract:Trafficclassificationbasedontheirgenerationapplicationsplaysanimportantrolei

5、nnetworksecurityandmanagement．Theport－basedpredictionmethodsandpayload－baseddeepinspectionmethodscomesundertraditionalmethods．Thestandardstrategiesincurrentnetworkenvironmentsufferfromvarietyofprivacyissues，dynamicportsandencryptedapplications．Ｒecentresearcheffortsarefo-cusedont

6、rafficclassificationbasedonMachineLearningTechniques，andmadecomparisonthevariousMachineLearning(ML)techniquessuchasBayesNet，NaiveBayes，SVMbasedonＲBF，VMbasedongeneticalgorithmforIPtrafficclassification．Theseclassificationalgorithmsusedfullfeatureselectionandoptimizedfeaturesettoc

7、lassifynetworktraffic．ItcanbeseenfromtheexperimentalresultsthatGaSVMtrafficclassificationcanachievehighaccuracy，especiallyintheuseofprincipalcomponentfeatures．Keywords:BayesNet;NaiveBayes;machinelearning;geneticalgorithm;SVM;GaSVM收稿日期:2017－1－05基金项目:国家科技支撑计划重大项目(2012BAH38F00)作者简介

8、:李晓明(1984－)，男(汉族)，山西朔州人，中国传媒大学博士研究生．E-mail:2906