基于改进极端随机树的异常网络流量分类

来源：计算机工程杂志2018年第11期北京时间：

作者：韦海宇,王勇,柯文龙,俸皓

单位：桂林电子科技大学 a.计算机与信息安全学院; b.信息与通信学院; c.广西高校云计算与复杂系统重点实验室; d.广西可信软件重点实验室,广西 桂林 541004

摘要：为更有效地识别网络流量中少量的异常流量样本,提出一种基于改进极端随机树的异常流量分类方法。计算数据中每个特征的信息增益率,获得较低维度的特征集。在此基础上,使用随机训练方法训练分类模型,对一部分基分类器使用全部样本进行训练,对另一部分则使用经过重采样的数据进行训练,并使用加权统计的方法修改其最后的投票规则。实验结果表明,该方法在NSL-KDD数据集上可达到0.995 6的精确率,与ET和RF集成分类算法相比,其在数据样本较少的类别上分类效果更好。

关键词：异常网络流量, 流量分类, 特征选择, 随机训练,极端随机树

基金资助：国家自然科学基金(61662018,61163058);广西自然科学基金(2016GXNSFAA380153);广西高校云计算与复杂系统重点实验室研究课题(14103,15208);广西云计算与大数据协同创新中心研究课题(YD16303)。