一种网络流量分类方法和系统技术方案

本发明专利技术涉及一种网络流量分类方法和系统。其中，网络流量分类方法包括：获取待分类网络流量数据；获取网络流量分类模型；以待分类网络流量数据为输入，采用网络流量分类模型得到待分类网络流量数据的网络流量分类。本发明专利技术提供的网络流量分类方法和系统，通过采用以网络流量数据为输入，以网络流量分类为输出的优化训练后的支持向量机分类模型(即网络流量分类模型)对待分类网络流量数据进行分类，能够在提高网络流量分类精度的同时，提高分类速度，进而提高整体分类效率。

【技术实现步骤摘要】
一种网络流量分类方法和系统
本专利技术涉及计算机网络
，特别是涉及一种网络流量分类方法和系统。
技术介绍
随着云计算与大数据时代的到来，各种快捷的网络设备在不断推出，依赖网络流量的应用也成为了人民生活中娱乐、社交、休闲、购物等行为活动中不可或缺的一部分，由此产生的网络流量数据也在剧增，日益实惠的网络流量成本更加剧了这一过程。而为了进一步提高网络空间安全性以及提升对网络设施的监管，网络管理者需要对海量的网络流量进行分类。现有的网络流量分类方法有很多种，其中包括基于端口号的流量分类方法、基于有效负载的流量分类方法、基于主机行为的流量分类方法、基于协议解析的流量分类方法、基于机器学习的流量分类方法、基于深度学习的流量分类方法等分类方法。基于机器学习的流量分类方法近年来随着机器学习技术的发展而变得越来越流行，对比传统的分类方法，其有着更高的分类准确率、拓展性以及更多的适用场景，但其在分类精度以及时间效率尚有较大的发展空间。因此，提供一种能够提高网络流量分类精度以及分类速度的方法或系统是本领域亟待解决的一个技术难题。本文档来自技高网...

【技术保护点】
1.一种网络流量分类方法，其特征在于，包括：/n获取待分类网络流量数据；/n获取网络流量分类模型；所述网络流量分类模型为以网络流量数据为输入，以网络流量分类为输出的优化训练后的支持向量机分类模型；/n以所述待分类网络流量数据为输入，采用所述网络流量分类模型得到所述待分类网络流量数据的网络流量分类。/n

【技术特征摘要】
1.一种网络流量分类方法，其特征在于，包括：
获取待分类网络流量数据；
获取网络流量分类模型；所述网络流量分类模型为以网络流量数据为输入，以网络流量分类为输出的优化训练后的支持向量机分类模型；
以所述待分类网络流量数据为输入，采用所述网络流量分类模型得到所述待分类网络流量数据的网络流量分类。


2.根据权利要求1所述的网络流量分类方法，其特征在于，所述获取网络流量分类模型，之前还包括：
获取支持向量机分类模型；
采用改进后的二进制鲸鱼优化算法对所述支持向量机分类模型进行优化，得到优化后的支持向量机分类模型；
获取网络流量数据样本集；所述网络流量数据样本集包括多个训练样本对；每一所述训练样本对包括网络流量数据及其对应的网络流量分类；
对所述网络流量数据样本集进行初始化处理；
采用初始化后的所述网络流量数据样本集对所述优化后的支持向量机分类模型进行训练，得到所述网络流量分类模型。


3.根据权利要求2所述的网络流量分类方法，其特征在于，所述采用改进后的二进制鲸鱼优化算法对所述支持向量机分类模型进行优化，得到优化后的支持向量机分类模型，具体包括：
获取鲸鱼种群的预设数量、预设迭代次数、支持向量机分类模型的参数取值范围；所述参数取值范围包括惩罚参数的取值范围和核参数的取值范围；
以支持向量机分类模型的参数组合为鲸鱼个体，采用反向学习算法根据所述鲸鱼种群的预设数量进行鲸鱼种群位置初始化，得到初始种群；所述支持向量机分类模型的参数组合包括惩罚参数和核参数；
采用K折交叉验证法根据所述初始种群确定每个所述鲸鱼个体的适应度，记为第一适应度；
采用遗传变异策略根据所述初始种群更新每个所述鲸鱼个体的位置，得到更新后的种群信息，记为第一种群信息；
采用K折交叉验证法根据所述第一种群信息确定每个所述鲸鱼个体的适应度，记为第二适应度；
根据所述第一适应度和所述第二适应度间的关系确定最优解，并更新所述第一种群信息，得到第二种群信息；所述最优解包括鲸鱼个体的最优解和种群最优解；
以所述第二种群信息替代所述第一种群信息后，返回“采用遗传变异策略根据所述初始种群更新每个所述鲸鱼个体的位置，得到更新后的种群信息，记为第一种群信息”，直至迭代次数达到所述预设迭代次数时，输出所述鲸鱼个体的最优解；
将所述鲸鱼个体的最优解带入所述支持向量机分类模型，得到优化后的支持向量机分类模型。


4.根据权利要求3所述的网络流量分类方法，其特征在于，所述以支持向量机分类模型的参数组合为鲸鱼个体，采用反向学习算法根据所述鲸鱼种群的预设数量进行鲸鱼种群位置初始化，得到初始种群，具体包括：
根据所述鲸鱼种群的预设数量确定初始化种群；
采用反向学习算法确定所述初始化种群的反向种群；
根据所述初始化种群和所述反向种群得到组合种群；
确定所述组合种群中每一鲸鱼个体的适应度值，记为第三适应度；
按照所述第三适应度的值升序排列所述组合种群中的鲸鱼个体，得到个体序列；
在所述个体序列中选择与所述鲸鱼种群的预设数量相等的鲸鱼个体作为初始种群。


5.根据权利要求1所述的网络流量分类方法，其特征在于，所述获取待分类网络流量数据，之后还包括：
对所述待分类网络流量数据进行初始化处理；所述初始化处理包括：数值化处理、归一化处理和降维处理。


6.一种网络流量分类系统，其特征在于，包括：
待分类...

【专利技术属性】
技术研发人员：王春枝，马森，刘爱军，刘锦行，严灵毓，魏明，张逸诚，王若曦，
申请(专利权)人：湖北工业大学，烽火通信科技股份有限公司，武汉烽火技术服务有限公司，
类型：发明
国别省市：湖北;42