基于随机森林的流量分类方法

• 作者: 刘慧生 张建 武东英
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 流量分类 随机森林 机器学习 特征选择
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 计算机技术及应用
• 页码范围: 621-625
• 页数: 5页
• 分类号: TP309.5
• 字数: 3779字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2012.05.020

摘要

网络流量识别在提高网络管理能力和保护网络安全方面有着重要作用.传统的基于端口识别和深度包检测的方法由于无法应对端口随机化、数据加密等原因,识别效率大大降低.近年来,出现了基于流统计特征的识别方法.然而,已有的基于流统计特征的识别方法大多使用单个分类器进行流量识别,存在着精度提高难、环境依赖强等局限性.针对这一问题,提出一种基于随机森林的流量分类方法,基于多分类器集成的思想,采用由多个决策树集成、由随机向量决定决策树构造方式的随机森林,实现对网络流量的分类.实验分析结果表明,所提出方法的分类性能优于常见的基于C4.5和Naive Bayes的流量分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武东英	信息工程大学网络空间安全学院	12	56	4.0	7.0
2	刘慧生	信息工程大学网络空间安全学院	2	15	2.0	2.0
3	张建	信息工程大学网络空间安全学院	1	9	1.0	1.0