《表1 CICIDS 2017部分特征属性》

  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

《基于改进深度卷积神经网络的网络流量分类方法》

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

运用PCA算法对CICIDS 2017数据集进行分析，确定56个主成分能够解释93.1%的流量分类性能差异.分析这56个主成分得出表1中的前56个特征属性是影响分类的关键属性即数据包头长度、数据包总长度、数据包个数、每秒转发数据包数、两个数据包间隔等，同时得出平均空闲时间等14个属性为次要因素.又通过PCA实验对比及计算累计贡献率的方法最终确定本文PCA空间维数K为56，模型分类性能评估基于PCA的56维数据进行.而对于数据集KDD 99和实测数据，通过上述类似降维处理，K分别为19和67.