论文部分内容阅读
传统的基于端口的流量分类方法和基于DPI技术的流量分类方法由于P2P技术和加密技术的流行而开始失效。基于网络流特征及机器学习的流量分类方法因为克服了上述弊端而成为了流量分类领域的研究热点。实际网络环境中，“大象流”和“老鼠流”在数量和传输字节量等方面存在着严重的不平衡，降低了基于机器学习流量分类方法的实际分类效果。针对该问题，文章将代价敏感决策树C4．5_cs算法应用于网络流量的分类当中。实验证明，文章采用的方法具有更高的“字节分类准确率”，适合于不平衡网络流量的分类。