《表3 选取的分类特征：SDN环境下不同机器学习算法的网络流量分类分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《SDN环境下不同机器学习算法的网络流量分类分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

虽然Moore数据集的每个样本都有248个特征，但其中有100多个特征是通过傅里叶变换得到的，再用于实时的网络流量分类，网络设备中待分类数目可能达到数十万条，若对所有的数据流进行傅里叶变换，对于硬件设备会是一个巨大的挑战．文献[18]指出，对网络流量进行统计后也可获得可靠性较好的特征，将端口号、有效负载、流量统计信息等特征结合可以获得更好的分类效果．为选取分类效果更好的机器学习算法，本文从Moore数据集中选取了5组分类特征，分别为端口号、数据包数量、数据包大小、时间相关特征和数据包信息标志位，具体内容如表3所示．