唐 宏 刘 丹* 姚立霜 王云锋 裴作飞

①(重庆邮电大学通信与信息工程学院 重庆 400065)

②(移动通信技术重庆市重点实验室 重庆 400065)

1 引言

网络流量分类技术广泛应用于网络管理和网络安全领域[1]。基于端口号的流量分类方法[2,3]在开放端口、伪装端口号等技术出现之后，分类准确率大大降低。基于特征字段的流量分类方法摆脱了对端口号的依赖，可以取得较高的分类准确率，但该方法只能对明文传输的数据包进行解析，难以适用于加密流量的分类[4-6]。基于传输层主机行为的流量分类方法不依赖于端口号，也不需要解析报文，但该方法对外界环境异常敏感，多变的网络环境可能导致分类效果不够稳定。因此，基于机器学习的网络流量分类方法得到了研究人员的青睐[1,7]。

数据预处理是基于机器学习的网络流量分类过程中的重要步骤，该过程通常采用特征选择算法对特征进行降维。Moore等人[8]使用快速相关滤波器去除冗余和无关的特征。Dai等人[9]利用卡方和C4.5算法进行特征选择。Xu等人[10]将二进制萤火虫算法与反向学习相结合进行特征选择。张震等人[11]通过定义基于信息熵的“用户行为模式”来分析各个行为子簇背后表现出的业务特征，能有效降低算法的计算复杂度。Shafiq等人[12]提出了一种基于机器学习的混合特征选择算法，该算法利用了加权互信息度量和受试者工作特征曲线(Receiver Operating Characteristic, ROC)下面积两个指标，使用该算法选择出的特征能够表现出很好的性能。Shi等人[13]提出了一种新的基于深度学习和特征选择技术的特征优化方法，为流量分类提供具有强区分能力的特征。……