[发明专利]一种基于统计特征的有噪网络流量分类建模方法

权利要求书

1.一种基于统计特征的有噪网络流量分类建模方法，它包括：

步骤1、网络数据采集处理，从网络流量监测站实时提取网络流量数据，并对网络流量数据进行预处理；

步骤2、建立网络流量噪声判断模型并清除网络流量数据中的噪声，所述网络流量噪声判断模型为：式中：R_j代表第j条网络流量的噪声网络流量判断结果，代表第j条网络流量是否是为噪声流量，值为1代表是噪声网络流量，值为0则代表不是噪声网络流量；P_ij代表第j条网络流量被第i个分类器判断为噪声的结果；值为1即表示第j条网络流量被第i个分类器认为是噪声，值为0则表示第j条网络流量被第i个分类器认为是非噪声；

步骤3、建立网络流量噪声容忍模型，所述网络流量噪声容忍模型包括：

疑似噪声数据的噪声等级表达式：

和疑似噪声数据的权重表达式：

式中：L_j代表第j条网络流量的噪声等级，W(t)代表权重分数，NL_t代表第t种噪声等级的值，{NL_t|NL_t＝t，0≤t≤n-1}，n小于10；

步骤4、根据步骤2和步骤3所述的网络流量噪声判断模型和网络流量噪声容忍模型，建立鲁棒的分类模型式中：S_t代表网络流量数据中噪声等级为t的数据，R^*代表鲁棒的训练集的集合；

步骤5、采用随机森林的分类方法，把在线网络流量数据作为测试集，利用鲁棒的分类模型进行分类。

2.根据权利要求1所述的一种基于统计特征的有噪网络流量分类建模方法，其特征在于：所述的对网络流量数据进行预处理，其处理方法包括：步骤1、集成从网络流量数据中收集的IP数据包，并将IP数据包组成网络流；步骤2、将网络流转换为统一的数据格式；步骤3、清除存在缺失值的数据；步骤4、提取每条网络流的特征，步骤5、利用特征选择算法清除网络流特征中冗余和不相关的特征。