论文部分内容阅读
为快速将网络应用的流量进行分类，以AucklandⅡ和UNIBS两个数据集的网络流量包为研究对象，选取网络应用程序流量中最初的8个有效载荷大小作为识别特征进行研究．由于这类特征可在早期流量阶段快速提取，因此效果显著．通过将早期载荷大小可视化的方式，分析了不同网络应用的行为模式．分析结果表明，多数网络应用程序可通过早期有效载荷大小显示出它们特有的行为模式，根据早期有效载荷大小的信息可对流量进行有效识别．在此基础上，选用3种典型的机器学习分类器，即朴素的贝叶斯分类器、朴素的贝叶斯树和径向基函数神经网络进行验证