一種改進的旋轉(zhuǎn)森林算法的網(wǎng)絡(luò)流量分類

　　針對不平衡網(wǎng)絡(luò)流量分類精度不高的問題，在旋轉(zhuǎn)森林算法的基礎(chǔ)上結(jié)合Bagging算法的Bootstrap抽樣和基于分類精度排序的基分類器選擇算法，提出一種改進的旋轉(zhuǎn)森林算法。首先，對原始訓(xùn)練集按特征進行子集劃分并分別使用Bagging進行樣本抽樣，通過主成分分析（PCA）生成主成分系數(shù)矩陣；然后，在原始訓(xùn)練集和主成分系數(shù)矩陣的基礎(chǔ)上進行特征轉(zhuǎn)換，生成新的訓(xùn)練子集，再次使用Bagging對子集進行抽樣，提升訓(xùn)練集的差異性，并使用訓(xùn)練子集訓(xùn)練C4.5基分類器；最后，使用測試集評價基分類器，依據(jù)總體分類精度進行排序篩選，保留分類精度較高的分類器并生成一致分類結(jié)果。在不平衡網(wǎng)絡(luò)流量數(shù)據(jù)集上進行測試實驗，依據(jù)準確率和召回率兩個標準對C4.5、Bagging、旋轉(zhuǎn)森林和改進的旋轉(zhuǎn)森林四種算法評價，依據(jù)模型訓(xùn)練時間和測試時間評價四種算法的時間效率。實驗結(jié)果表明改進的旋轉(zhuǎn)森林算法對萬維網(wǎng)（ WWW）協(xié)議、Mail協(xié)議、Attack協(xié)議、對等網(wǎng)（P2P）協(xié)議的分類準確度達到99. 5%以上，召回率也高于旋轉(zhuǎn)森林、Bagging.C4.5三種算法，可用于網(wǎng)絡(luò)入侵取證、維護網(wǎng)絡(luò)安全、提升網(wǎng)絡(luò)服務(wù)質(zhì)量。