一种网络流量分类特征的产生及选择方法  

Method of feature generation and selection for network traffic classification

作　　者：阳爱民[1] 周咏梅[1] 邓河[2] 周剑峰[3] 

机构地区：[1]广东外语外贸大学信息科学技术学院,广东广州510420 [2]长沙民政职业技术学院,湖南长沙410004 [3]广东外语外贸大学国际工商管理学院,广东广州510420

出　　处：《山东大学学报（工学版）》2010年第5期1-7,共7页Journal of Shandong University（Engineering Science）

基　　金：广东省科技计划项目(2009B080701031);广东省高等学校人才引进项目

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。In the system of network traffic classification based on the machine learning method,feature generation and feature selection directly affect the speed and accuracy of the classification.To solve this problem,in the feature generation aspect,the packet＇s attributes（size,count,time,and flag）and flow＇s attributes（time）from the information of the Packet-Level and Flow-Level was analyzed,and 37 statistical features were generated.In the feature selection aspect,a method of feature selection integrating Filter model and Wrapper model was proposed,and the dimension of features decreased.Experiments showed the proposed methods could improve the accuracy of the classification.

关 键 词：网络流量分类 特征产生 特征选择 遗传算法 

分 类 号：TP393.03[自动化与计算机技术—计算机应用技术]