[發(fā)明專利]一種基于半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法、計算機設(shè)備

在審

• 申請?zhí)枺?/td>: 201711103392.4
• 申請日: 2017-11-10
• 公開（公告）號: CN107819698A
• 公開（公告）日: 2018-03-20
• 發(fā)明（設(shè)計）人: 冉靜;孔曉晨;劉元安;胡鶴飛;袁東明
• 申請（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號: H04L12/851
• 分類號: H04L12/851;H04L12/26;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)流量分類方法，其特征在于,該網(wǎng)絡(luò)流量分類方法包括：

S1，獲取已標(biāo)記類型和未標(biāo)記類型的網(wǎng)絡(luò)流，按照預(yù)設(shè)固定量來提取每條網(wǎng)絡(luò)流中的流特征，得到網(wǎng)絡(luò)流特征向量；

S2，根據(jù)已標(biāo)記類型的網(wǎng)絡(luò)流，計算出所述預(yù)設(shè)固定量中每個流特征的信息增益，并根據(jù)所述信息增益對每個流特征進行特征加權(quán)；

S3，將已標(biāo)記類型和未標(biāo)記類型的網(wǎng)絡(luò)流進行混合，并利用k-means算法對混合后的網(wǎng)絡(luò)流進行聚類，得到k個聚簇；

S4，獲取所述k個聚簇中的每個聚簇中已標(biāo)記網(wǎng)絡(luò)流特征向量的數(shù)目，并確定每個聚簇中每個類型的占比值；其中所述占比值是等于每個類型的已標(biāo)記網(wǎng)絡(luò)流特征向量的數(shù)目占簇中總的已標(biāo)記網(wǎng)絡(luò)流特征向量的數(shù)目的比例；

S5，當(dāng)每個聚簇中已標(biāo)記網(wǎng)絡(luò)流特征向量的總數(shù)目相加小于預(yù)設(shè)網(wǎng)絡(luò)流閾值時，則將相應(yīng)的聚簇判定為未知協(xié)議簇，否則將相應(yīng)的聚簇判定為已標(biāo)記網(wǎng)絡(luò)流特征向量中比例最大的類型；

S6，重復(fù)步驟S4-S5，直到k個聚簇都判定出流量類型的流量簇；

S7，將所述判定出流量類型的流量簇作為訓(xùn)練數(shù)據(jù)，訓(xùn)練出線上的流量分類器。

2.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)流量分類方法，其特征在于,所述網(wǎng)絡(luò)流特征向量的權(quán)值是用于在k-means算法中計算加權(quán)歐式距離的。

3.根據(jù)權(quán)利要求2所述的網(wǎng)絡(luò)流量分類方法，其特征在于，所述步驟S1中已標(biāo)記網(wǎng)絡(luò)流占總的網(wǎng)絡(luò)流數(shù)量的比例為預(yù)設(shè)值r_l，且每種類型的已標(biāo)記網(wǎng)絡(luò)流的數(shù)量相同。

4.根據(jù)權(quán)利要求1-3任一所述的網(wǎng)絡(luò)流量分類方法，其特征在于，所述預(yù)設(shè)網(wǎng)絡(luò)流閾值時是指每個聚簇中所有網(wǎng)絡(luò)流的數(shù)目乘以所述預(yù)設(shè)值r_l的一半。

5.根據(jù)權(quán)利要求1-3任一所述的網(wǎng)絡(luò)流量分類方法，其特征在于，所述步驟S2中包括：根據(jù)所述已標(biāo)記類型的網(wǎng)絡(luò)流，計算出所述預(yù)設(shè)固定量中每個流特征的信息增益，其具體公式為：

IG(F_i)＝H(C)-E(F_i)；

其中，C表示已標(biāo)記的網(wǎng)絡(luò)流集合，H(C)為這些已標(biāo)記網(wǎng)絡(luò)流總體的熵，F(xiàn)_i表示網(wǎng)絡(luò)流的第i個特征，E(F_i)為當(dāng)網(wǎng)絡(luò)流根據(jù)特征F_i的值劃分為子集時的熵。

6.根據(jù)權(quán)利要求5所述的網(wǎng)絡(luò)流量分類方法，其特征在于，所述步驟S2中根據(jù)所述信息增益對每個流特征進行特征加權(quán)，計算網(wǎng)絡(luò)流特征F_i的權(quán)值w_i的具體公式為：

其中，IG(F_i)為網(wǎng)絡(luò)流特征F_i的信息增益，為所有網(wǎng)絡(luò)流特征的信息增益的總和。

7.根據(jù)權(quán)利要求1-3任一所述的網(wǎng)絡(luò)流量分類方法，其特征在于，所述S4中包括：

獲取每個聚簇C_i中已標(biāo)記網(wǎng)絡(luò)流特征向量的數(shù)目n_i；

當(dāng)n_i的取值大于0時，計算最大后驗概率，其中所述后驗概率P為每個聚簇中每個類型的已標(biāo)記網(wǎng)絡(luò)流特征向量的數(shù)目占簇中總的網(wǎng)絡(luò)流特征向量的數(shù)目的比例，其中后驗概率P(L＝l_j|C_i)＝n_ij/n_i。

8.根據(jù)權(quán)利要求4所述的網(wǎng)絡(luò)流量分類方法，其特征在于，所述步驟S5中當(dāng)每個聚簇中已標(biāo)記網(wǎng)絡(luò)流特征向量的總數(shù)目相加小于所述預(yù)設(shè)網(wǎng)絡(luò)流閾值時，其具體計算公式為：

其中，n_ij表示簇i中類別為j的網(wǎng)絡(luò)流數(shù)目，為簇i中已標(biāo)記網(wǎng)絡(luò)流特征向量的總數(shù)目，r_l表示已標(biāo)記網(wǎng)絡(luò)流占總的網(wǎng)絡(luò)流數(shù)量的比例，表示被聚類到簇i中所有網(wǎng)絡(luò)流的數(shù)目。

9.一種計算機設(shè)備，其特征在于，該計算機設(shè)備包括：處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1-8中任一項所述方法的步驟。