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。

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。