基于DPI和机器学习的网络流量分类方法_李国平

资 源 简 介

基于DPI和机器学习的网络流量分类方法_李国平

详 情 说 明

网络流量分类是网络管理、安全监控和QoS保障的重要技术手段。李国平提出的基于DPI（深度包检测）和机器学习相结合的方法，为流量分类提供了新的解决思路。这种方法充分发挥了两种技术的优势：DPI能够直接解析数据包内容进行精确匹配，而机器学习则能从海量流量数据中自动学习分类规则。

该方法首先使用DPI技术对已知协议类型的流量进行深度解析，提取有效载荷中的特征模式。这些模式特征将与传统的流统计特征（如包大小、传输间隔等）相结合，构成多维特征向量。然后采用监督学习算法（如SVM、随机森林等）训练分类模型，使其不仅能识别已知协议，还能对未知流量进行智能归类。

该混合方法的创新性在于突破了传统DPI难以处理加密流量和机器学习依赖特征工程的局限。通过DPI标注的训练数据提高了机器学习模型的准确性，而机器学习又弥补了DPI在新协议识别上的不足。实验表明，这种方法在保持较高分类精度的同时，显著提升了对新型网络应用的识别能力。