基于改进一对一算法的网络流量分类

摘要

准确的流量分类是网络管理和网络安全的有效保障.近年来基于机器学习的网络流量分类备受关注,特征选择对于机器学习的分类效果有重要影响.但使整体分类性能达到最优的特征选择子集,并不一定使特定类别的分类性能达到最佳,这降低了分类性能可达到的上限,对此提出基于改进的一对一算法的流量分类模型.首先采用一对一的思想将流量多分类任务拆解为多个相互独立的二分类子任务,分别对任意两类流量进行特征选择和流量分类.所有子任务的分类结果采用Stacking策略结合.实验表明,多种机器学习算法与特征选择算法应用于该模型的准确度较经典模型均有提升.