顾玥，李丹,，高凯辉

（1. 清华大学，北京 100084；2. 清华大学深圳国际研究生院，广东 深圳 518055）

1 引言

随着互联网的不断发展，不同类型的应用程序不断涌现。应用程序会产生大量的网络流量，而不同类型的流量会呈现出不同的特征。流量分类的目标就是根据流量的区分性特征识别流量的类别[1]。网络流量分类对网络运营商是十分必要的：一方面，从用户服务质量（QoS）的角度来说，流量分类是保障QoS的第一步，是根据不同业务类型的要求为业务提供区分服务的前提[1]；另一方面，从安全的角度来说，流量分类是异常网络流量检测的第一步，可以更好地保护网络安全[2]。近几年，随着用户对隐私保护需求的不断增加，以及加密技术的不断发展，越来越多的流量被加密处理，这对网络流量分类提出了新的挑战。

传统的流量分类方法有两类：一类是基于端口号的识别方法，即根据端口号对应的协议号进行识别，但随着端口混淆技术的出现，这种方法渐渐失效[1]；另一类是基于DPI的识别方法，即基于预定义的各个类别的正则表达式，匹配数据包负载以确定类别。但这种方法随着流量加密也渐渐不可行[1]。

随着传统的流量分类方法的失效，研究者开始探索新的流量分类方法。近年来不断发展的机器学习技术受到了研究者的广泛关注。机器学习技术相较于传统分类方法更加自动化和智能化，可以根据流的统计特征分类，避免了流量加密带来的影响。鉴于这个优势，研究者提出基于机器学习算法做流量分类的方法，目前广泛使用的机器学习算法有决策树算法、随机森林算法、支持向量机算法等。……