[发明专利]基于支持向量机的实时多应用网络流量识别方法

摘要

针对现有网络流量识别方法存在的问题，提供一种基于支持向量机的低复杂度、高识别准确率、可实时的网络流量识别方法。此方法采用“时间窗口法”只从网络流的数据包头获取简单有效的特征，并选用算法复杂度低、运算量小的支持向量机算法，使其不仅能够快速建模生成分类器，而且在小样本情况下就能达到很高的识别准确率，还可以在任何时间点对网络流的多种应用进行测量识别，满足实时多应用的需求。

主权项

一种基于支持向量机的网络流量识别方法，包括支持向量机的离线训练和支持向量机的在线实时分类步骤：支持向量机的离线训练步骤包括：(1)利用抓包工具从网络线路中抓取数据包；(2)对数据包进行统计，得到网络流的包数、包长、源地址、目的地址、传输层协议和上行或下行的流向；(3)从获取的数据中抽样，选择网络应用正常运行时的样本，分别对样本的应用类别进行标注；(4)根据“时间窗口法”，从任意的时间点开始，设定一段时间，根据该段时间内连续采集的网络流量与平均值的偏离程度，将高于平均值1.6倍的流量称为“峰值区”，处于平均值0.6～1.4倍区间的流量称为“稳定区”，由此时间段内的网络流量生成多种特征值；(5)采用支持向量机方法对样本特征值进行训练学习，生成分类规则，构建分类器模型；支持向量机的在线实时分类步骤包括：(1)利用抓包工具从网络线路中抓取数据包；(2)对数据包进行统计，得到网络流的包数、包长、源地址、目的地址、传输层协议和上行或下行的流向；(3)采用支持向量机的离线训练步骤的步骤(4)相同的方法生成多种特征值；(4)采用支持向量机的离线训练步骤的步骤(5)已经生成的分类规则和分类器模型，对网络流的特征值进行分类识别，得出识别结果。