一种基于Filter与Wrapper模型的网络流量特征选择方法

邓河严志

（长沙民政职业技术学院，湖南长沙 410004）

一种基于Filter与Wrapper模型的网络流量特征选择方法

邓河严志

（长沙民政职业技术学院，湖南长沙 410004）

在基于机器学习方法的网络流量分类系统中，通过特征选择找到的最优特征子集将直接影响到分类的速度及精度。针对这种情况，提出了基于Filter与Wrapper模型的流量特征选择方法。首先对网络流量特征向量进行类间、类内的距离计算，抽取类内距离较小而类间距离较大的特征子集，然后将其进行组合，作为遗传算法的初始群体进行遗传操作，从而得出最佳分类特征子集，实现降维并提高分类精度。

特征选择；特征距离；遗传算法；网络流量

1.引言

网络流量分类是认识、管理、优化各种网络资源的重要依据，对网络的Qos管理、趋势分析以及安全检测都起着非常重要的作用。网络流量自相似长相关和非线性的特性，对传统网络理论提出了挑战，使得对网络流量概率分布的精确建模变得非常困难。同时，随着Internet网络的不断发展，很多新的网络服务（如P2P、在线游戏等）采用动态端口、协议加密等，使得传统的基于端口 （Port-based）的流量分类和基于有效载荷（Payload-based）的分类方法已不能保证正确的网络流量的分类和统计。

近年来，一些学者使用机器学习（Machine Learning）的方法来进行流量分类的研究。这种方法的基本思想是首先在基于TCP/IP协议的互联网中，按照5元组（源IP地址、源端口号、目标IP地址、目标端口号及IP协议）的定义，将报文（Packets）分成双向TCP或UDP流（Flow），抽取与……