基于決策樹的網(wǎng)絡(luò)流量分類研究.pdf

1、網(wǎng)絡(luò)流量分類技術(shù)作為網(wǎng)絡(luò)管理、流量工程以及安全檢測(cè)等研究課題的基礎(chǔ)，其研究具有重要的實(shí)用價(jià)值。傳統(tǒng)的基于端口和基于深度包檢測(cè)的網(wǎng)絡(luò)流量分類方法因?yàn)閜2p及載荷加密等技術(shù)的流行而變得失效?；凇熬W(wǎng)絡(luò)流”統(tǒng)計(jì)特征和機(jī)器學(xué)習(xí)的方法因?yàn)槟軌蛴行У亟鉀Q這些問題而成為了流量分類領(lǐng)域的新方向。
　　 目前，大多數(shù)基于機(jī)器學(xué)習(xí)的流量分類方法以“流分類準(zhǔn)確率”為目標(biāo)，沒有考慮流量分類器在“字節(jié)分類準(zhǔn)確率”的表現(xiàn)。但隨著“大象流”、“老鼠流”之間不

2、平衡現(xiàn)象愈演愈烈，“字節(jié)分類準(zhǔn)確率”更能體現(xiàn)一個(gè)分類器的實(shí)際流量分類效果。因此，如何在保證“流分類準(zhǔn)確率”的前提下盡量提高流量分類器的“字節(jié)分類準(zhǔn)確率”成為基于機(jī)器學(xué)習(xí)網(wǎng)絡(luò)流量分類中一個(gè)值得研究的課題。
　　 本文首次將C4.5_cs決策樹算法應(yīng)用到網(wǎng)絡(luò)流量的分類當(dāng)中，并根據(jù)流量分類這一實(shí)際背景給出了一種計(jì)算C4.5_cs代價(jià)矩陣的方法。相比其他方法，采用C4.5_cs算法的流量分類器具有更高的“字節(jié)分類準(zhǔn)確率”，適合于不平衡流

3、量的分類。
　　 由于網(wǎng)絡(luò)流特征中存在一些無效特征和冗余特征，本文將特征選擇算法引入網(wǎng)絡(luò)流量的分類當(dāng)中。結(jié)合所使用的分類算法，論文提出了一種結(jié)合卡方統(tǒng)計(jì)量、C4.5_cs算法和遺傳搜索策略的特征選擇算法。實(shí)驗(yàn)結(jié)果證明，在引入了本文特征選擇算法之后，C4.5_cs算法分類網(wǎng)絡(luò)流的速度提高了近2倍。
　　 最后，在NetMate和Weka的基礎(chǔ)上，我們?cè)O(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于C4.5_cs算法的網(wǎng)絡(luò)流量分類原型系統(tǒng)--NTFCS