基于随机森林的流量多特征提取与分类研究

摘要：

网络流量的多样化和复杂化以及高实时性要求对流量识别技术带来了巨大挑战,而通过基于机器学习的网络流量分类中,流量统计特征选择能够快速准确对流量进行识别,具有重要的研究意义.随机森林(RF)作为近年较热门的灰盒算法,对当前的网络流量具有较好的识别能力.通过随机森林的节点选择算法,对流量特征进行选择,并结合物理意义进行优化,进行多次特征提取.实验结果表明:提出的算法在识别模型构建上性能更加优越,耗费时间大大减小,同时准确度等指标得到提高.

关键词：流量统计特征、随机森林、灰盒模型、特征提取

所属期刊栏目：35

分类号：TP393(计算技术、计算机技术)

资助基金：陕西省科技计划基金资助重点项目2012JZ8005;航空科学基金资助项目20141996018

在线出版日期：2017-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：55-59