董育宁，朱善胜，赵家杰

DONG Yuning,ZHU Shansheng,ZHAO Jiajie

南京邮电大学 通信与信息工程学院，南京 210003

1 引言

近年来，由于网络多媒体业务的不断发展，网络流量的监测管理和网络安全的难度也随之提升。根据Cisco的预测报告[1]，到2021年，全球每年的IP网络流量将达到3.3 ZB（ZB；1 000 Exabytes[EB]），将比2016年提高3.2倍；其中视频流量将占所有消费流量的82%。因此，对网络的流量进行分类管理在改善网络环境、保障网络安全等方面具有重要的意义。

网络流分类主要分为四种形式[2]：基于端口、深度包检测、基于统计行为和基于机器学习的方法。然而，由于新型网络应用层出不穷，加密传输、动态端口号等技术的出现使得前两种方法对流分类的准确率大为降低。目前通常采用机器学习的方式进行流分类。

基于机器学习的流分类算法可以分为有监督分类[3]、无监督分类（聚类）[4]和半监督分类[5]。半监督分类是有监督分类和无监督分类的结合。由于其结合了已知标签的样本，可以提前获取部分信息，所以被一些算法所采用。Jun Zhang[6]等人提出了一个半监督的分类模型。该方法使用K-Means和Random Forest算法构建分类模型，并采用流袋进行优化。实验表明该模型可以较好地提高对短时未知应用（zero-day applications）的流分类准确率。Yu Wang[7]等人在考虑了背景信息的情况下，将马氏距离应用于K-Means方法中，提高了分类的准确度。此外，他们将该算法加入对未知聚类的分析，并应用于未知协议的流分类[8]。Shukla[9]等人使用KMedoids方法对KDD CUP 99数据库进行半监督分类的研究。李林林[10]等人针对网络流量分类的类不均衡问题，提出一种K-Means和kNN（k-Nearest Neighbor）相结合的半监督流量分类算法，提高了非均衡流中特别对小类流的识别率。……