论文部分内容阅读
针对VoIP加密负载流量识别的难题，提出一种基于UDP统计指印混合模型的VoIP流量识别方法，以提高VoIP流量的识别精度和分类稳定性。该模型改进了统计指印模型中基于单一的网络流相异度来判定流量类别的方法，将UDP流的统计特征与网络流的统计指印相异度结合以共同训练一个支持向量机分类模型，把基于分类阈值点的分类转换到基于多维特征的高维空间中的分类面的分类，综合运用包层次和流层次统计特征，降低了因网络不稳定造成的统计特征偏差对分类模型精确度的影响。实验结果表明，该模型对VoIP流量的分类精确度达到97％以上，