基于监督学习算法的网络流量应用类型分类研究

由于网络流量表现出突发和自相似等动态特性,使得网络应用很难进行准确分类,通过对网络应用类型进行分类可以对影响网络资源分布的新应用进行归类,在一定程度上规避了新应用识别的局限性.通过使用朴素贝叶斯、支持向量机和C4.5决策树三种监督学习算法从细粒度层上对四种网络流量应用类型进行分类对比,实验表明,使用C4.5决策树算法构...     

基于随机森林的入侵检测分类研究

为了有效地检测网络的攻击行为,机器学习被广泛用于对不同类型的入侵检测进行分类,传统的决策树方法通常用单个模型训练数据,容易出现泛化误差大、过拟合的问题。为解决该问题,文中引入并行式集成学习的思想,提出基于随机森林的入侵检测模型,由于随机森林中每棵决策树都有决策权,因此可以很好地提高分类的准确性。利用NSL-KDD数据集对入侵检测模型进行训练和测试,实验结果表明,该模型的准确率可达99.91%,具有非常好的入侵检测分类效果。