基于相关信息的网络流量贝叶斯分类法改进

摘要：

网络应用的快速增长导致传统基于端口与有效载荷的网络流量分类方法效率大幅降低,并且目前多数网络流分类方法未考虑流之间的相关性.针对上述问题,基于相关信息提出一种改进的网络流量贝叶斯分类法.利用流包模型反映网络流的相关信息,将非参数核密度估计方法引入贝叶斯分类器中,对分布密度函数进行非参数核密度估计.实验结果表明,与使用核密度估计和流包的分类方法相比,该方法的分类准确率更高.

关键词：网络流量分类、朴素贝叶斯分类、核密度估计、相关信息、机器学习

所属期刊栏目：42

分类号：TP393(计算技术、计算机技术)

资助基金：国家科技支撑计划基金资助项目2010BAC67B05

在线出版日期：2016-06-15（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：80-83,88