[发明专利]一种移动App流量统计特征选择方法

权利要求书

1.一种移动App流量统计特征选择方法，其特征在于，包括下述步骤：

步骤S1、获取移动App的原始流量数据集，提取移动App流量的流统计特征，获取用于训练的有标记数据集LD，以及待分类的无标记数据集UD；

步骤S2、在LD数据集上，利用信息增益率，评估每个流统计特征在类间的区分能力；

步骤S3、在LD和UD数据集上，计算每个流统计特征的取值分布，利用Hellinger距离评估特征取值分布差异性，评估流统计特征的漂移程度；

步骤S4、将漂移程度作为特征区分能力的惩罚因子，计算流统计特征的综合评估值；

步骤S5、基于综合评估值，搜索区分能力强且漂移程度低的流统计特征子集；

其中，步骤S2，具体包括下述步骤：

步骤S21、在LD数据集上，采用有监督的最小描述长度方法离散化每个流统计特征f_i，i＝1,2,..,m，m表示特征个数；

步骤S22、在LD数据集上，计算每个流统计特征的信息增益率GR(LD,f_i)，表征流统计特征f_i在类间的区分能力dis(f_i)，信息增益率越大表明该特征有利于确定类别取值，即在类间的区分能力越强；

所述信息增益率的计算公式如下：

其中V(f_i)表示特征f_i的取值域，LD_v表示LD数据集中特征f_i取值为第v个值的样本集合；Entropy(LD)和Entropy(LD_v)分别表示LD和LD_v数据集上类别的信息熵；LD^k表示类别C_k的样本集合，k表示类别序号，LD_v^k表示来自C_k类别中特征f_i取值为第v个值的样本集合；

步骤S3，具体包括下述步骤：

步骤S31、采用无监督的简单取值域方法离散化LD和UD数据集的每个流统计特征f_i的取值，i＝1,2,..,m，m表示特征个数；

步骤S32、在LD数据集上计算每个流统计特征f_i的取值分布Prob(f_i|LD)，表示为：Prob(f_i|LD)＝{p(r₁),...,p(r_n)}，其中p(r_j)表示特征f_i在LD数据集上的取值分布，j＝1,…,n，n＝l_i，l_i表示LD数据集上特征f_i的取值个数；

步骤S33、在UD数据集上计算每个流统计特征f_i的取值分布Prob(f_i|UD)，表示为：Prob(f_i|UD)＝{p'(r₁),...,p'(r_n)}，其中p'(r_j)表示特征f_i在UD数据集上的取值分布，j＝1,…,n，n＝l_i，l_i表示UD数据集上特征f_i的取值个数；

步骤S34、利用Hellinger距离，计算流统计特征f_i在LD和UD数据集上的取值分布的差异性，用于评估特征f_i的漂移程度；Hellinger距离记为HD，具体计算如下：

每个特征f_i的漂移程度：drift(f_i)＝HD_i。

2.根据权利要求1所述的移动App流量统计特征选择方法，其特征在于，步骤S1中所述提取移动App流量的流统计特征，具体包括下述步骤：

步骤S11、获取移动App的原始PCAP流量数据，根据五元组{源IP、源端口、目的IP、目的端口、传输层协议}，对一定时间间隔内具有相同五元组的TCP/UDP报文进行组流；

步骤S12、对属于同一条流的报文计算流统计特征，具体采用相邻报文大小差值的最小值、最大值进行统计计算。