论文对主要的网络流量分类技术进行了阐述,并提出了目前网络流量分类技术所面临的问题。然后论文主要研究了以下内容:准确的即时通信(IM)流量分类方法,有效的特征选择方法和用于IM流量分类的有效特征包数的界定方法。为了提高IM流量分类精度,稳定性和分类性能,论文提出了一些算法模型,具体贡献如下:1、论文在研究和分析即时通信流量的特点和相关机器学习的理论和方法的基础上,首先选择支持向量机(SVM)、C4.5决策树、贝叶斯网络和朴素贝叶斯这4种经典机器学习分类器进行即时通信文本流量分类的研究,并在两种不同网络环境下采集即时通信流量数据做为数据集。然后,提取了50个流量特征用于训练和测试。实验结果表明,所有分类器在准确率、召回率和精度指标方面都非常有效,但其中C4.5机器学习分类器的性能最佳。2、基于机器学习的流量分类中,不恰当的特征选取容易产生错误的流量分类结果,因此即时通信流量分类特征的选取也是即时通信流量分类中的一个挑战性问题。为了解决这个问题,论文提出了一种特征选择度量标准Weighted Mutual Information(WMI),在此基础上提出了一个WMI_ACC的混合特征选择算法,它利用WMI度量标准筛选掉大部分流量特征,再使用ACC度量在剩余的特征中选择合适的流量分类特征。论文构建了两个不同网络环境下获取的即时通信数据集,采用5个经典机器学习分类器来评估论文所提出的方法。为了更好地分析结果,统计检验方法Wilcoxon被应用于结果数据的分析。实验结果表明,论文提出的算法在分类准确率、召回率和精度方面得到了良好的结果。3、在协议分布不平衡时,机器学习分类器容易将待分类流量分类于占主导地位的协议流量类别中,从而导致分类错误。针对这个问题,在即时通信流量分类中论文利用特征选择度量标准Weighted Mutual Information(WMI),设计了WMI_AUC的特征选择算法,该算法用WMI度量过滤大多数特征,并进一步使用Area Under roc Curve(AUC)度量选择有效分类特征。另外,为了克服流量动态性问题引发的特征选择不稳定的问题,论文又提出了一种RFS鲁棒特征选择算法,该算法能够从WMI_AUC算法获得的结果中选择鲁棒性更好的特征。论文使用11个典型的流量分类器对不同的网络环境下获取的数据集进行测试评估,实验结果表明利用该算法获得的流量分类特征进行流量分类时准确率效果更好。4、在流量分类中如何评估两种特征选择间是否存在差异也是一个重要问题。论文研究了如何评估特征选择的有效性,并为流量分类选择最佳特征的方法。论文首先提出了一种特征选择算法(FSA),同时为了评估特征选择技术的有效性,论文提出了一种基于互信息分析的特征评估算法(FEA),用于评估FSA算法得到的特征的有效性,并从中选出最佳的特征。论文采用9个经典的机器学习分类器在两个不同的网络环境数据集中评估论文提出的方法。实验结果表明,论文提出的方法平均可以达到98%的准确率。此外,所有用来测试的机器学习分类器都获得了非常好的结果,但与其他机器学习分类器相比,采用FSA和FEA方法选择特征的随机森林分类器和C4.5分类器具有更好的性能。5、在互联网即时通信流量早期分类的研究中,如何界定有效分组的数量是关键问题。为了解决这个问题,论文构建了5个即时通信微信流量数据集。提取数据集中每个流的前20个分组的分组大小作为特征,选择10个经典流量分类器进行流量分类,从2个分组开始每次测试逐步增加分组的个数,计算不同分组数目与分类结果的互信息,之后利用两次统计检验Friedman和Wilcoxon,以确认早期即时通信流量分类的有效分组的数目。实验结果表明,13-19个分组和随机森林分类器在即时通信微信流量的早期分类中非常有效。论文提出的方法能够有效地提高IM流量分类的准确性,而这些方法应用于不平衡数据集并且应用于更多的分类器是我们未来的工作。