基于机器学习的网络流量特征选择

来源：电子测量技术杂志2017年第7期北京时间：

作者：孙振

单位：上海大学通信与信息工程学院 上海 200072

摘要：互联网技术水平不断提高的同时，也带来了日益复杂的网络安全问题，传统地利用端口检测和深度包检测等流量识别技术已经难以应对当下日趋复杂的网络环境。伴随着机器学习理论的成熟，机器学习方法已经成功的应用于图像识别、声音辨别、医疗等各个领域，机器学习使用计算机模拟人类的活动，通过学习现有的知识，建立有效的学习模型，进一步对未知的数据进行预测或者分类。将机器学习方法应用在网络流量识别领域，首先对网络流量识别的研究现状和机器学习作了相关的介绍，其次基于3种机器学习分类算法，对比分析了不同特征选择算法对网络流量识别准确率的影响，提出了改进的特征选择算法，并经过实验验证了改进后特征选择算法的有效性。

关键词：机器学习; 流量识别; 特征选择; 对称不平衡性