[发明专利]基于Bagging算法的OTT应用程序用户分类方法

权利要求书

1.基于Bagging算法的异构多分类器OTT应用程序用户分类方法，其特征在于：步骤如下，

S1、对互联网流量进行捕获，取得最初的所有IP数据包，使用网络流量生成器生成流统计特征；

S2、使用相应流量软件对原始IP数据包进行二次处理，执行深度包检测获得OTT应用程序，即第7层协议名称，合并流统计特征信息生成原始数据集文件；

S3、对原始数据集文件进行预处理后，生成用户组数据集，执行聚类分析；包括，

3.1、去除包含网络控制信息的流，如路由器和交换机之间的通信，以及带有加密信息的流的数据；

3.2、使用Kmeans算法对用户组数据集进行聚类分析；

3.3、采用轮廓系数通过每个实例在其指定集群内的程度来衡量聚类的质量，确定最优的集群数量；使用轮廓系数法对数据集进行聚类分析的具体方法如下：

3.3.1、计算样本i到同簇其他样本的平均距离，越小说明样本i越应该被聚类到该簇，成为样本i的簇内不相似度；

3.3.2、计算样本i到其他某簇的所有样本的平均距离，称为样本i与某簇的不相似度，越大说明样本i越不属于其他簇；

3.3.3、根据样本i的簇内不相似度和簇间不相似度，定义样本i的轮廓系数：

3.3.4、轮廓系数范围在-1和1之间变化；

S4、通过先前的聚类分析，使用Bagging算法构建分类模型，采用异构多分类器的方法，即基分类器使用不同的算法分类器。

2.根据权利要求1所述的基于Bagging算法的异构多分类器OTT应用程序用户分类方法，其特征在于：步骤S1的具体步骤为

1.1、使用Wireshark软件捕获大学校园内一周的部分互联网流量，存储为七个PCAP文件；

1.2使用CICFlowmeter处理这些文件，生成具有85个流统计特征的数据文件，包括持续时间、数据包数量及分组长度。

3.根据权利要求1所述的基于Bagging算法的异构多分类器OTT应用程序用户分类方法，其特征在于：步骤S2的具体步骤为，

2.1、使用Ntopng网络流量软件对原始IP数据包的PCAP文件进行二次处理，通过允许nDPI对捕获的流执行深度包检测，获得应用程序，即第7层协议名称；

2.2、对于保存的实例，使用基于源和目的IP地址和端口的网络元组比对，将该文件与步骤S1中生成的文件进行比较；

2.3、合并相似属性特征，生成原始数据集文件。

4.根据权利要求1所述的基于Bagging算法的异构多分类器OTT应用程序用户分类方法，其特征在于：所述步骤S4的具体步骤为，

4.1、对初始用户组数据集使用Bagging算法进行预处理，通过随机抽取的采样过程得到N个新训练子集；

4.2、在N个训练子集上按照1:1的比例训练SVM和Random Forest，得到N个基分类器；4.3、将得到的N个基分类器的集合进行多数投票决策，获得最终的输出。

5.根据权利要求4所述的基于Bagging算法的异构多分类器OTT应用程序用户分类方法，其特征在于：所述Bagging算法的具体步骤为，

4.1.1、确定原始训练数据集X和算法迭代次数T；

4.1.2、对原始数据集X进行T次随机采样；

4.1.3、用得到的T个新数据集进行训练得到T个基分类器；

4.1.4、将T个基分类器的输出进行多数投票决策集成。