公开(公告)号：CN108650194B

公开(公告)日：2022-03-25

申请号：CN201810454425.8

申请日：2018-05-14

Applicant: 南开大学 ,  国家计算机网络与信息安全管理中心

Inventor： 张玉 ,  邹学强 ,  包秀国 ,  付宁佳 ,  张建忠

IPC: H04L47/2441 ,  H04L47/2483 ,  G06K9/62

Abstract: 本发明提出了基于K_means和KNN融合算法的网络流量分类方法。该方法的框架是针对每个应用协议构建一个二分类器，由决策规则将所有分类器的输出整合为最终输出。算法上融合了无监督的K_means算法和有监督的KNN算法，此外，该方法还提出了基于K_means迭代的特征选择算法，目的是选出高分离度的特征，以节省时间、空间和提高分类效果。实验结果表明，在真实流量数据上，本发明对流量识别的准确率和召回率可达90％以上，相比现有典型的流量分类方法效果更好；本发明还可识别出未登录流量，与典型的分类方法相比在功能上有了扩展。

公开(公告)号：CN108650194A

公开(公告)日：2018-10-12

申请号：CN201810454425.8

申请日：2018-05-14

Applicant: 南开大学 ,  国家计算机网络与信息安全管理中心

Inventor： 张玉 ,  邹学强 ,  包秀国 ,  付宁佳 ,  张建忠

IPC: H04L12/851 ,  G06K9/62

Abstract: 本发明提出了基于K_means和KNN融合算法的网络流量分类方法。该方法的框架是针对每个应用协议构建一个二分类器，由决策规则将所有分类器的输出整合为最终输出。算法上融合了无监督的K_means算法和有监督的KNN算法，此外，该方法还提出了基于K_means迭代的特征选择算法，目的是选出高分离度的特征，以节省时间、空间和提高分类效果。实验结果表明，在真实流量数据上，本发明对流量识别的准确率和召回率可达90％以上，相比现有典型的流量分类方法效果更好；本发明还可识别出未登录流量，与典型的分类方法相比在功能上有了扩展。