使用贝叶斯学习算法分类网络流量-计算机工程与应用.pdfVIP

78 2010 ，46 （25 ） Computer Engineering and Applications 计算机工程与应用 使用贝叶斯学习算法分类网络流量 1 1，2 1 1 邱 密 ，阳爱民 ，刘永定 ，何震凯 1 1，2 1 1 QIU Mi ，YANG Ai-min ，LIU Yong-ding ，HE Zhen-kai 1.湖南工业大学 计算机与通信学院，湖南 株洲 412008 2.广东外语外贸大学 信息科学技术学院，广州 510006 1.School of Computer and Communication ，Hunan University of Technology ，Zhuzhou ，Hunan 412008 ，China 2.Information Science and Technology College ，Guangdong University of Foreign Studies ，Guangzhou 510006 ，China E-mail ：qiumi229@ 163.com QIU Mi ，YANG Ai-min ，LIU Yong-ding ，et al.Application of Bayes learning algorithm to classify network traffic.Comput- er Engineering and Applications ，2010 ，46 （25 ）：78-81. Abstract ：As network applications such as P2P rapidly increase ，which makes the efficiency of traditional network traffic classification method that is based on the port and payload reduces.In this paper ，it introduces a FCBF feature selection meth- od ，which can choose the best feature subsets.It uses Bayes learning algorithm to classify the network.The result of experi- ment shows a better classification accuracy. Key words ：network traffic ；feature selection ；naive Bayes classifier 摘 要：随着网络应用（如P2P ）的快速增长，使得传统的基于端口与有效载荷的网络流量分类方法效率大大降低。基于FCBF 特 征选择方法选择最优特征子集，研究使用贝叶斯学习方法对网络流量进行分类；实验结果显示提出的方法取得了较好的分类准 确率。 关键词：网络流量；特征选择；朴素贝叶斯学习器 DOI ：10.3778/j.issn. 1002-8331.2010.25.023 文章编号：1002-8331（2010 ）25-0078-04 文献标识码：Ａ 中图分类号：TP309 1 引言 别的效率逐渐降低。研究基于网络流量的应用类型的流量分 近年来随着互联网上的网络应用不断增加，除了传统的 类方法，这种方法以抽取独立于端口、协议和有效载荷的网络 应用（如E-mail ，Web 和Ftp），还有许多新的应用（如Streaming ， 流量的信息作为特征，用基于相关性的特征选择方法来优选 Gaming 和P2P ）出现。由于一些新的应用不再使用固定的和 特征子集，使用贝叶斯学习方法对网络流量进行分类研究。 事先预知的端口号，许多应用没有IANA 分配或注册的端口 这种分类方式可以避免使用端口、协议和有效载荷信息。