发明名称 |
网络流量自动化特征挖掘方法 |
摘要 |
本发明公开了一种针对网络流量的自动化特征挖掘方法,包括步骤:S1:网络流量数据的预处理;S2:最高支持度频繁项挖掘;S3:依据频繁项层次化迭代聚类;S4:按层次分级输出有效特征组合。本发明的方法可以应用于自动化网络流量特征挖掘,不仅可以自动挖掘出网络流量中数据包载荷里所存在的强特征,而且还可以挖掘出网络流量中所存在的流特征;该发明解决了传统流量特征挖掘耗时耗力问题,大幅减少了人工参与的程度,同时在性能上能够很好地应用到实际的网络流量特征挖掘中去。 |
申请公布号 |
CN103067300B |
申请公布日期 |
2016.04.20 |
申请号 |
CN201310008027.0 |
申请日期 |
2013.01.09 |
申请人 |
清华大学 |
发明人 |
薛一波;袁振龙 |
分类号 |
H04L12/811(2013.01)I |
主分类号 |
H04L12/811(2013.01)I |
代理机构 |
北京路浩知识产权代理有限公司 11002 |
代理人 |
王莹 |
主权项 |
一种网络流量自动化特征挖掘方法,其特征在于,包括步骤:S1:网络流量数据的预处理;S2:最高支持度频繁项挖掘;S3:依据频繁项层次化迭代聚类;S4:按层次分级输出有效特征组合;其中,S2包括:S2.1:利用Apriori算法计算针对载荷特征的N行数据或者针对流特征的N行数据的最高支持度的频繁项;S2.2:根据S2.1计算得到的最高支持度的频繁项,将所有包含此频繁项的行聚为一类,并将其设为A类,将其余不包含此最高支持度频繁项的行聚为另一类,并将其设为B类;S2.3:将S2.2中得到的B类再次利用Apriori算法计算其最高支持度的频繁项,并将包含此频繁项的行聚为一类,将其设为C类,将所述B类中不包含此最高支持度频繁项的行聚为另一类,并将其设为D类;S2.4:每次将不包含最高支持度频繁项的类重复执行S2.3,直到全部行聚类完成,且每类中高支持度频繁项的支持度均为1。 |
地址 |
100084 北京市海淀区清华园北京100084-82信箱 |