公开(公告)号：CN107846326B

公开(公告)日：2020-11-10

申请号：CN201711103942.2

申请日：2017-11-10

Applicant: 北京邮电大学

Inventor： 冉静 ,  孔晓晨 ,  刘元安 ,  胡鹤飞 ,  袁东明

IPC: H04L12/26 ,  H04L12/851 ,  G06K9/62

Abstract: 本发明涉及一种自适应的半监督网络流量分类方法、系统及设备，该方法包括：获取网络流，提取每条网络流中预设固定量的流特征，得到网络流特征向量；根据已标记的网络流特征向量，计算出每个类型中的网络流特征向量集合的质心，得到向量集M；以向量集M为初始中心点，进行自适应的半监督k‑means聚类；根据最大后验概率，将得到的每类簇中的网络流映射到所属的流量类型；将已知类型的流量簇作为训练数据，训练出线上的流量分类器。还涉及一种系统，该系统包括：获取模块、向量集处理模块、聚类模块、分类模块、输出模块。还涉及一种设备，该设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序。

公开(公告)号：CN107819698A

公开(公告)日：2018-03-20

申请号：CN201711103392.4

申请日：2017-11-10

Applicant: 北京邮电大学

Inventor： 冉静 ,  孔晓晨 ,  刘元安 ,  胡鹤飞 ,  袁东明

IPC: H04L12/851 ,  H04L12/26 ,  G06K9/62

CPC classification number: H04L47/2441 ,  G06K9/6223 ,  H04L43/18

Abstract: 本发明涉及一种基于半监督学习的网络流量分类方法及系统，该方法包括：获取已标记和未标记类型的网络流，提取每条网络流中的流特征，得到网络流特征向量；利用已标记数据计算出每个流特征的信息增益，并进行特征加权；将已标记和未标记类型的网络流进行混合聚类；获取每个聚簇中已标记网络流的数目，并确定每个聚簇中每个类型的占比值；当聚簇中已标记网络流总数目相加小于预设网络流阈值时，则判定为未知协议簇，否则判定为已标记网络流中比例最大的类型；直到都判定出流量类型的流量簇，并利用其训练出一个线上的实时分类器。还涉及一种计算机设备，该设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序。

公开(公告)号：CN107846326A

公开(公告)日：2018-03-27

申请号：CN201711103942.2

申请日：2017-11-10

Applicant: 北京邮电大学

Inventor： 冉静 ,  孔晓晨 ,  刘元安 ,  胡鹤飞 ,  袁东明

IPC: H04L12/26 ,  H04L12/851 ,  G06K9/62

Abstract: 本发明涉及一种自适应的半监督网络流量分类方法、系统及设备，该方法包括：获取网络流，提取每条网络流中预设固定量的流特征，得到网络流特征向量；根据已标记的网络流特征向量，计算出每个类型中的网络流特征向量集合的质心，得到向量集M；以向量集M为初始中心点，进行自适应的半监督k-means聚类；根据最大后验概率，将得到的每类簇中的网络流映射到所属的流量类型；将已知类型的流量簇作为训练数据，训练出线上的流量分类器。还涉及一种系统，该系统包括：获取模块、向量集处理模块、聚类模块、分类模块、输出模块。还涉及一种设备，该设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序。