机器学习分类下网络流量的特征选取

摘要：

　　面对近年来不断增长的网络带宽压力，常见的基于端口和负载内容的网络流量分类系统，已经越来越难以满足大流量环境下的检测需求，而基于流行为特征的方法由于其难以规避性，正得到越来越多的重视。文中运用了基于流行为特征的流量分类方法，将几种具有较高区分度的特征引入特征向量中，采用K-Means进行初步聚类。实验证明，该方法产生了很好的分类效果，极大提高了P2P流量分类的准确率。

关键词： 对等网络 流量分析 特征提取 机器学习

作者: 张龙璨 柳斌 李芝棠

作者单位: 华中科技大学计算机科学与技术学院,下一代互联网接入系统国家工程实验室,湖北武汉430074

会议类型: 国内会议

会议名称: 中国教育和科研计算机网CERNET第十八届学术年会

会议地点: 南宁

会议语种:中文

页码: 6-10

在线出版日期: 2011-11-01（万方平台首次上网日期，不代表论文的发表时间）