基于深度森林的网络流量分类方法

• 作者: 戴瑾 王天宇 王少尉
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 特征选取 多粒度级联森林 机器学习 网络流量分类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 专题:通信系统的学习问题
• 页码范围: 30-34
• 页数: 5页
• 分类号: TN95
• 字数: 3803字
• 语种: 中文
• DOI: 10.11887/j.cn.202004006

摘要

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注.现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高.为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法.该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能.通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96.36％,性能优于其他机器学习模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王少尉	南京大学电子科学与工程学院	10	17	2.0	4.0
2	戴瑾	南京大学金陵学院信息科学与工程学院	9	25	3.0	5.0
6	王天宇	南京大学电子科学与工程学院	3	0	0.0	0.0