[发明专利]基于支持向量机的实时多应用网络流量识别方法

权利要求书

1.一种基于支持向量机的网络流量识别方法，包括支持向量机的离线训练和支持向量机的在线实时分类步骤：

支持向量机的离线训练步骤包括：

(1)利用抓包工具从网络线路中抓取数据包；

(2)对数据包进行统计，得到网络流的包数、包长、源地址、目的地址、传输层协议和上行或下行的流向；

(3)从获取的数据中抽样，选择网络应用正常运行时的样本，分别对样本的应用类别进行标注；

(4)根据“时间窗口法”，从任意的时间点开始，设定一段时间，根据该段时间内连续采集的网络流量与平均值的偏离程度，将高于平均值1.6倍的流量称为“峰值区”，处于平均值0.6～1.4倍区间的流量称为“稳定区”，由此时间段内的网络流量生成多种特征值；

(5)采用支持向量机方法对样本特征值进行训练学习，生成分类规则，构建分类器模型；

支持向量机的在线实时分类步骤包括：

(1)利用抓包工具从网络线路中抓取数据包；

(2)对数据包进行统计，得到网络流的包数、包长、源地址、目的地址、传输层协议和上行或下行的流向；

(3)采用支持向量机的离线训练步骤的步骤(4)相同的方法生成多种特征值；

(4)采用支持向量机的离线训练步骤的步骤(5)已经生成的分类规则和分类器模型，对网络流的特征值进行分类识别，得出识别结果。

2.根据权利要求1所述的基于支持向量机的网络流量识别方法，其特征在于：所述离线训练步骤中第(4)步和在线实时分类步骤中第(3)步中的多种特征值包括下行包数，上行包数，下行数据量，上行数据量，下、上行包数比，下、上行数据量比，下、上行包数方差比，下、上行数据量方差比，下行中大数据量的IP数目，峰值区内数据量的比重，稳定区内样本数目的比重。

3.根据权利要求1所述的基于支持向量机的网络流量识别方法，其特征在于：所述支持向量机的离线训练步骤中的步骤(5)中采用交叉验证法获得支持向量机的核函数参数和惩罚参数。