[发明专利]一种基于特征效率的加密流量分析特征选择方法

摘要

本发明公开了一种基于特征效率的加密流量分析特征选择方法，首先定义特征效率的计算方法F(f)；然后两类样本上计算每个特征的特征效率，选择特征效率最大的一维特征，并且移除这维特征的值域交叠之外的样本，并记录移除的样本个数，如此循环，直到所有特征被计算完。然后根据预先规定的特征个数或者特征效率的阈值选择特征。本发明能够在给定最大特征集的前提下，有效的计算每个特征的特征效率，根据给定的特征效率阈值或者规定的特征数目筛选特征，有利于提高网站指纹识别技术的识别准确率，并且节省分类模型构建过程中消耗的时间和空间成本。

主权项

1.一种基于特征效率的加密流量分析特征选择方法，其特征在于，包括以下步骤：步骤1：给定任意若干类样本集合以及提取的大小为n的特征集，其中每一类样本集合中包含多个网站样本，每一个样本都由n维提取出的特征值表示；步骤2：基于数据复杂性，从特征值空间的组成和分布来观测特征的可区分性，确定每个特征的特征效率的计算方法；MINMAXf＝min(max(f，Cj)，max(f，Ck))MAXMINf＝max(min(f，Cj)，min(f，Ck))；其中，f表示特征；C_j表示类j的全部样本集合；|C_jf∪C_kf|表示样本中类j和类f在特征f上的并集的数目，即在该特征值上对两个类别求并集，然后统计并集的大小；|MAXMINf→MINMAXf|表示，就特征f而言，类k和j的所有样本中处于MAXMINf与MINMAXf之间的样本数目；步骤3：在已知上述计算方法之后，在给定的样本类别中任选两类样本为每个特征计算它们的F(f)值，并选择值最的大一维特征f_max；步骤4：删除选择的两类样本中f_max值域重叠部分之外的样本，移除特征f并统计这些样本的个数num；步骤5：对剩余的特征集和样本集重复步骤3和步骤4，直至样本集或者特征集为空；步骤6：最后，每个特征所移除的样本数num占总体样本数的比例就是该特征的重要性f_value；根据f_value的大小筛选出给定的m个最重要的特征；m为筛选后的特征集大小。