赵择，徐佑宇，唐亮，卜智勇

(中国科学院上海微系统与信息技术研究所， 上海 200050； 中国科学院大学， 北京 100049)(2018年12月12日收稿； 2019年3月13日收修改稿)

准确的网络流量分类是众多网络活动的基础，许多互联网服务提供商将流量分配到相关服务类别的能力视为优先事项。因为对网络应用的了解能使网络运营商更好地规划、预算和计费，还可以跟踪不同用户群的增长并设计网络以满足不同的需求。

传统的流量识别方法主要有端口识别与深度包检测(deep packet inspection,DPI)。在互联网发展初期，应用协议比较单一,协议在服务器端均使用固定的传输层端口号，并都在互联网号码分配机构(The Internet Assigned Numbers Authority,IANA)[1]上进行注册，如HTTP协议使用80端口，为Web应用；25端口为SMTP，110端口为POP3，均为Mail应用等。而随着互联网的发展，越来越多的私有、非标准协议出现，且没有在IANA中注册使用的端口，新型应用又多采用动态端口技术，这些变化使得端口识别的准确度已经低于50%[2]。因此自2000年后，通过提取流量载荷的特征信息进行识别的DPI方法逐渐受到青睐，不仅识别的准确度高，而且在稳定性等方面也取得了令人满意的效果。可由于新应用层出不穷、数据包中的特征字符串复杂多变，网络业务流量巨大，DPI技术已经很难适应如今的高速网络，此外DPI也难以有效识别越来越多的加密流量。

基于机器学习的流量分类通过流量在传输中的统计特征进行分类，能有效克服传统方法的问题。自Paxson和Floyd[3-4]对互联网流量统计特征的开创性研究以来，已经开展了许多研究来开发使用机器学习技术进行流量分类。……