陈勇+徐钊+蔡阳波+许云龙

摘 要：针对网络流量识别问题，提出一种基于支持向量机（SVM）的网络流量识别模型。首先通过流量特征提取模块，提取适合在支持向量机中识别网络流量的6个主要特征。对数据进行清洗、预处理以及训练和学习，从而实现整个基于SVM的网络流量识别系统。实验结果表明，经过交叉检验选择参数后，再用支持向量机模型进行训练和学习，可以取得较好的分类效果。

关键词：网络流量；支持向量机；流量识别

DOIDOI：10.11907/rjdk.162818

中图分类号：TP393

文献标识码：A 文章编号：1672-7800（2017）007-0162-03

0 引言

网络流量识别一直以来都是业界研究的重点[1]。目前，网络流量分类和识别主要分为4种类型：基于端口识别、基于应用协议特征字识别、行为特征的启发式识别、基于机器学习方法的分类和识别[2-3]。随着端口跳变、信息隐藏等技术的广泛采用，基于特征端口的识别方法已经不再适用于网络流量的识别与检测[4]；基于应用协议特征字的识别虽然准确率比较高，但由于需要获取分组的应用层负载，对处理效率的影响较为严重，并且涉及到隐私保护等法律问题，故不被广泛采用[5]；基于行为特征的启发式识别是综合利用流的属性、统计特性以及流的行为特征，按照启发式负责对流量进行分析，达到对网络流量分类和识别的目的，但其分类和识别结果不确定，而是基于概率的结果，因此识别方法的精度取决于网络流量应用特征的显著程度和启发式规则对这种特征的覆盖能力[6]。……