一种网络流量分类特征的产生及选择方法 (2010年)

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。