[发明专利]一种基于机器学习的物联网动态流量分类方法

权利要求书

1.一种基于机器学习的物联网动态流量分类方法，其特征在于，包括以下步骤：

1)采集物联网动态流量数据，物联网动态流量数据为在固定时间间隔内通过网络观察点的保护消息集合；

2)对步骤1)采集的物联网动态流量数据进行网络流量特征提取；

3)根据步骤2)提取的网络流量特征利用机器学习的方法进行网络流量匹配分类，完成基于机器学习的物联网动态流量分类。

2.根据权利要求1所述的基于机器学习的物联网动态流量分类方法，其特征在于，步骤3)中朴素贝叶斯分类、决策树分类或支持向量机进行网络流量匹配分类。

3.根据权利要求1所述的基于机器学习的物联网动态流量分类方法，其特征在于，利用机器学习的方法利用流的属性进行网络流量匹配分类。

4.根据权利要求1所述的基于机器学习的物联网动态流量分类方法，其特征在于，根据流的要素属性组，统计计算P2P流数据包的长度、分段及到达时间，以生成流的特征。

5.根据权利要求1所述的基于机器学习的物联网动态流量分类方法，其特征在于，流的要素属性组包括源IP地址、目的IP地址、源端口号、目的端口号及IP协议字段。

6.根据权利要求1所述的基于机器学习的物联网动态流量分类方法，其特征在于，流的特征分为向前特征及向后特征，流的第一个数据包中的源IP和源端口作为源节点，消息中的目标IP及目标端口作为目标节点，前向流表示源节点-]目的节点，后向流表示目的节点-]源节点。

7.根据权利要求1所述的基于机器学习的物联网动态流量分类方法，其特征在于，步骤2)中，构建若干特征子集，再建立评估标准，以确定有利于特征分类的最优特征子集，然后基于该最优特征子集对物联网动态流量数据进行网络流量特征提取。