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NaiveBayes的流量分类方法。

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。）