摘要：基于应用的流量分类在网络安全和管理中具有非常重要的作用。传统流量分类大部分是基于端口的预测方法和基于有效载荷的深度检测方法。由于当前网络环境中各种隐私问题以及基于动态端口和加密的应用,传统的网络流量分类策略的有效性已经逐步下降,目前主要集中在基于机器学习技术的流量分类模型进行研究。本文对各种基于机器学习算法的流量分类的比较,如贝叶斯网络（Bayes Net）、朴素贝叶斯（Naive Bayes）、基于RBF的SVM流量分类和基于遗传算法的SVM（GaSVM）流量分类等。这些算法分别使用了全特征选择和优化后的特征集合,实验结果表明基于遗传算法的SVM流量分类精度较高,并在使用主成分特征也可以达到很高的精度。

原文链接:http://www.cqvip.com/QK/83286X/201702/671869207.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）