杨 峰，马 铭

(北华大学大数据与智慧校园管理中心，吉林吉林132013)

1 引言

计算机网络技术的迅速发展，使人们进入了信息时代[1]。由于网络用户数量逐年增长，网络的使用频率不断增加，导致互联网的数据流量呈爆发式上升，造成所使用的网络通信协议混乱、复杂[2]。这些问题给网络管理者带来了巨大压力和挑战，但对网络资源进行管理，优化升级现有网络，需要清楚了解网络中的各类业务应用。因此，网络流量识别越来越受到人们的关注。

目前相关领域大量学者对网络流量识别进行研究，并取得了一定的研究成果，文献[3]通过提取并分析数据流特征，采用集成学习方法构建识别模型，完成网络流量识别。该方法的移动流量识别准确率较高，但识别效率较低。文献[4]利用相对熵特征向量，辨别高低熵值数据流，运用蒙特卡洛仿真方法，评估π值误差，区分局部和整体随机流量，采用支持向量机，输入特征子空间，实现流量识别。该方法能够有效识别加密流量，但识别准确率较低。

针对上述问题，提出了基于负载随机性的互联网络链路流量识别方法，其主要使用数据包负载随机性检测，结合机器学习方法，识别互联网络中的链路流量，所提方法的识别精度和识别效率较高。

2 网络链路流量识别方法

2.1 数据包负载随机性检测方法

采用卡方检验方法检测数据流的随机性。通过比较两种或两种以上的样本率，对两种以上的分类法变量之间的相关性进行卡方检验[5]。……