[发明专利]一种基于时间t的指数消失函数的网络流量动态分类方法

权利要求书

1.一种基于时间t的指数消失函数的网络流量动态分类方法，其特征在于，包括以下步骤：

1)收集网络流量数据，形成流量数据集FT1，并记录实际流量数据各维度特征的到达时间；

2)对流量数据集FT1按特征维度进行归一化、离散化预处理，得到特征集合FT2；

3)定义基于时间t的指数消失函数，作用于特征集合FT2各维度特征，模拟各维度特征随时间变化而权重衰减；

4)定义三种聚类类簇，分别是核心类簇、潜在类簇和边缘类簇；

5)通过对实时网络流量的权重系数、密度区域半径与实验获取的相应阈值进行判断，实现核心类簇、潜在类簇和边缘类簇间的动态变化，进而对动态网络流量的实时分类。

2.根据权利要求1所述的一种基于时间t的指数消失函数的网络流量动态分类方法，其特征在于，步骤1)中，流量数据集FT1表示为X＝{X₁,X₂,...,X_N}，包含N条流量数据，其中对于每条流量数据X_i规范定义为{X_i1,X_i2,...,X_ik}，其中k为样本的维度，当X_ik特征到达，记录相应时间，最终得到每条流量数据的维度特征到达时间向量{t_i1,t_i2,...,t_ik}。

3.根据权利要求1所述的一种基于时间t的指数消失函数的网络流量动态分类方法，其特征在于，步骤2)中，对流量数据集FT1按特征维度进行归一化，是对流量数据集FT1中每一维特征分别进行线性映射，使每一维特征值在保持原有数据意义下映射到[0,1]之间，消除各维度特征值量纲差别带来的影响，从而得到归一化后的特征集；再对归一化后的特征集中的非连续型数据进行One-hot离散化，得到特征集合FT2。

4.根据权利要求1所述的一种基于时间t的指数消失函数的网络流量动态分类方法，其特征在于，步骤3)中，定义基于时间t的指数消失函数为：f(t)＝2^-λt，其中t为当前时间，λ为指数系数，当λ越大，权重衰减的程度越大，即已经权重衰减的数据特征对当前分类的影响越小。

5.根据权利要求1所述的一种基于时间t的指数消失函数的网络流量动态分类方法，其特征在于，步骤4)中：

核心类簇：由核心对象构成的可分类簇，如果核心类簇聚类成未知标签类簇，则由专家确定分类标签；所述核心对象定义为对于任一训练样本，在其密度区域半径内至少存在3个类似样本；

潜在类簇：通过对网络流量权重系数、密度区域半径与实验获得的相应阈值的判断，能够进化为核心类簇或者退化为边缘类簇；

边缘类簇：通过对网络流量权重系数、密度区域半径与实验获得的相应阈值的判断，能够进化为潜在类簇或者消失。

6.根据权利要求5所述的一种基于时间t的指数消失函数的网络流量动态分类方法，其特征在于，步骤5)中，定义核心对象的权重系数和的阈值为μ，核心对象的密度区域半径的阈值为ε；对属于流量数据集FT2中的实时流量数据进行基于时间t的指数消失函数权重衰减，即w'＝f(t)w，其中w是实时流量数据特征的初始权重，初始化为1，w'为相应权重系数再经过基于时间t的指数消失函数后的更新值；当核心对象权重系数和w'≥μ且实时流量数据的密度区域半径r<ε，则为核心类簇；当w'>βμ且r≤ε，其中β是类簇变化阈值，且0.5<β<1，则属于潜在类簇；当w'<βμ，则属于边缘类簇。