[發明專利]一種基于SOM與K-means融合算法的網絡流量分類方法

有效

• 申請號: 201911194495.5
• 申請日: 2019-11-28
• 公開（公告）號: CN111211994B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 趙莎莎;肖毅;張登銀;寧越強;王飛;李速
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04L47/2441
• 分類號: H04L47/2441;H04L43/0876;G06N3/08;G06K9/62
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 彭雄

本發明公開了一種基于SOM與K?means融合算法的網絡流量分類方法，首先采用SOM算法對流量數據進行一次聚類，求出聚類結果中各個簇的簇中心及簇的數目，將簇中心作為K?means的初始聚類中心，再將簇的數目作為K值，執行K?means算法進行二次聚類得到輸出結果。采用S_Dbw指數作為聚類結果評價指標，對于包含各種噪聲和不同密度的數據集，該指數具有較強的魯棒性。本發明與基于監督學習的流量分類算法相比，減少了標注類別的成本，與其他基于無監督學習的的算法相比性能更優。

技術領域

本發明涉及網絡流量分析及網絡安全等領域，具體涉及一種基于SOM與K-means融合算法的網絡流量分類方法。

背景技術

隨著互聯網的迅猛發展，大數據時代的到來，越來越多的新型網絡應用逐漸興起，網絡規模不斷擴大，網絡組成愈發復雜，對于網絡的管理和分析需求增加。網絡流量分類技術作為網絡可控性的基礎技術之一，可以幫助網絡運營商提供更好的服務質量，對網絡進行有效地監管。對網絡流量進行分析，可以識別并過濾掉網絡病毒，檢測出垃圾郵件和非法入侵，提高了網絡的安全性能。因此網絡流量分類技術對于提高網絡的管理效率，保障網絡環境的綠色和安全有著至關重要的作用。

常用的流量分類技術主要有以下三類：①基于端口號的流量分類方法：端口號與所需應用程序之間的對應關系由IANA(互聯網數字分配機構)定義，這種方法存在著嚴重的局限性，例如服務器端口可以動態分配，具有不同QoS級別服務可以使用相同的端口號等，這些原因導致基于端口號的流量分類方法不再適用當前網絡；②基于有效載荷的流量分類方法：這種方法需要精確了解應用層數據以及其數據包的格式，只能用于非加密流量，而當前網絡的應用程序有效負載的加密性好，這種方法的局限性較大；③基于流量統計特征的分類方法：通過流量的特征來建立機器學習的模型，然后再用數據集訓練并完善模型，通過模型來預測未知流量的種類，由于其適用范圍廣泛，該方法被廣泛地研究和使用。

目前針對流量分類的機器學習模型主要是基于監督學習算法，如基于K近鄰、支持向量機、NaiveBayes，而基于無監督學習的機器學習模型研究較少，無監督學習的優點在于不需要將訓練數據貼上標簽，從而大大減少了人工標注類別的成本，因此本發明提出基于以無監督學習中的K-means算法為核心的流量分類方法。

發明內容

發明目的：為了克服現有技術中存在的不足，本發明提供一種基于SOM與K-means融合算法的網絡流量分類方法，與其他方法不同之處，本發明以無監督學習的K-means算法為核心將SOM算法與其結合從而進行優化。

技術方案：為實現上述目的，本發明采用的技術方案為：

一種基于SOM與K-means融合算法的網絡流量分類方法，包括以下步驟：

步驟1，采集網絡流量數據集，確定訓練集，并統計流量特征；

步驟2，采用基于相關性的特征選擇算法對統計后的流量特征進行篩選，然后從篩選后的訓練集中計算特征-類相關矩陣和特征-特征相關矩陣，其次用最佳優先搜索方法搜索特征子集空間，計算特征子集的估計值，找出估計值最大的特征子集，作為最優特征子集；

步驟3，融合算法將聚類分為兩階段進行，第一階段：將最優特征子集對應的特征向量作為輸入樣本輸入SOM網絡，執行SOM算法不斷更新各個神經元的權值，直至達到設定的迭代次數，結束算法運行，輸出聚類結果，計算出聚類后的簇中心和簇的數目；第二階段：將第一階段聚類后的簇中心和簇的數目分別作為K-means算法的初始聚類中心和初始K值，執行K-means算法直至算法收斂，輸出最終的聚類結果；

步驟4，使用S_Dbw指數評估算法的聚類效果。

優選的：步驟2中所述的基于相關性的特征選擇算法包括以下步驟：