基于SU和AMB的网络流量特征选择算法
在基于网络流量分析,被动式的网络设备识别研究中,网络流量数据中往往存在许多高维数据,其中的部分特征对设备识别贡献不大,甚至会严重影响分类结果和分类性能.所以针对这个问题本文提出了一种将Filter和Wrapper方式相结合,基于对称不确定性(SU)和近似马尔可夫毯(AMB)的网络流量特征选择算法FSSA,本文提出的方法首先利用对称不确定性算法选择出对于各个类别具有分类贡献的特征,去除不相关的特征属性;然后在候选特征子集中利用近似马尔可夫毯算法删除冗余特征,最后采用Wrapper方式基于C4.5分类算法,进行最后的特征优选.实验表明,该方法下选择出的特征对网络设备操作系统类型识别的精确率相较于经典的特征选择方法有了一定的提高,在小类别数据上的召回率也得到了提升.
特征选择、网络流量、对称不确定性(SU)、近似马尔可夫毯(AMB)、网络设备识别、机器学习
31
TP391;TP181;TN91
兴辽英才计划项目XLYC2019019
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
281-287