基于类均值向量及指数分布的流量行为特征分析

引入类均值向量度量及αβ指数分布方法,旨在提高分类正确率的基础上,克服由于抽样而带来的对分类结果的影响。利用流记录NOC_SET为DATASET,并以NETFLOW固有的测度和少量扩展测度为属性,利用所提出的FBRI(Flow behavior identification)属性选择算法对经典的机器学习算法进行流量识别。实验结果表明:任意比例的抽样对于采用FBRI属性选择的评估结果基本一致,并且利用FBRI属性选择算法可以提高应用识别正确率。