基于ripper的网络流量分类方法-哈尔滨理工大学学报.pdfVIP

22 5 Vol. 22 No. 5 第 卷 第 期 哈 尔 滨 理 工 大 学 学 报 2017 10 JOUＲNAL OF HAＲBIN UNIVEＲSITY OF SCIENCE AND TECHNOLOGY Oct. 2017 年 月 基于ＲIPPEＲ 的网络流量分类方法 曹 ， ， ， 彦珍 何云斌 朱素霞 孙广路 ( ， 150080) 哈尔滨理工大学计算机科学与技术学院 黑龙江哈尔滨 : 习方法中的重复增量式降低错误剪枝方法解决网络流量分类问题。 摘 要 利用一种规则学 ， 利用该方法能够挖掘出网络流属性特征和类别之间的相关关系 并将挖掘出的关系构成分类器用 。 ， 于网络流量分类 该方法能够解决传统机器学习方法在网络流量中有大量的不平衡数据集时 分 。 ， 、 类错误率高等问题 实验证明 该方法在网络流量分类标准数据集上具有很高的分类准确率 查全 率和查准率。 : ; ; ; 关键词 网络流量分类 规则学习 重复增量式降低错误剪枝 不平衡数据 DOI :10. 15938 /j. jhust. 2017. 05. 016 中图分类号:TP393 文献标志码:A 文章编号:1007－ 2683 (2017)05－ 0085－ 06 Network Flow Classification Methodrule-Based CAO Yan-zhen ， HE Yun-bin ， ZHU Su-xia ， SUN Guang-lu (School of Computer Science and Technology ，Harbin University of Science and Technology ，Harbin ，150080，China) Abstract :In this paper ，repeated incremental pruning to produce error reduction which is a rule learning method is used to solve network traffic classification. The method can be used to dig out the correlations between attributes and classes ，which are utilized to build a classifier for traffic classification. The proposed method can decrease the classification error rate when the traditional machine learning method has a large number of imbalanced data sets in the network traffic. Expe