随着网络应用类型的不断丰富,网络流量呈现爆发式增长,如何灵活调整网络以满足多元化的用户需求已成为“互联网+”时代亟需解决的问题。分类和识别整个网络链路的数据流量是实现管控的先决条件,掌握整个网络链路的流量分布情况,有助于上层网络管理应用依据现有的网络状况部署策略。然而现有识别技术面临诸多难以解决的问题,机器学习算法极易偏向不平衡数据集中的多数类样本,导致模型整体错误分类率较高;需为网络流量选择具有高类别辨识力且低冗余度的特征,构造训练样本集,减少模型训练的时空开销。本文针对以上问题研究网络流量分类和移动流量APP识别,主要工作分为以下两部分:第一,提出基于随机森林的数据平衡化改进算法,分类网络应用流量。1.针对不平衡样本集类别偏向性问题,本文提出了一种基于稀疏度加权的数据平衡化改进算法,改进算法采样合成新样本时充分考虑了少数类样本的分布特征以及边缘模糊边界情况,避免信息丰富度丢失对模型训练产生的负面影响,同时采用少数类样本与其近邻间线性插值的方式合成新少数类样本,避免了直接复制少数类样本导致训练过程中的模型过拟合。2.选择最优特征子集时,综合衡量信息增益和应用类别相关度,获得一种高效快捷的综合性特征评价指标,减少了系统的性能开销。第二,在基于C4.5移动APP识别方法中,本文针对Wireshark软件采集到的数十万量级的移动APP流量数据进行优化处理。1.采用数据包长度和包到达时间间隔序列作为特征提取的对象。引入相比TCP会话更加细化的突发数据块(Burst)作为数据预处理环节中流量采集的基本单元,移动APP的行为特性被细粒度地表征,同时为模型在线分类网络流量提供了支持。2.选择最优特征子集时,采用基于类别相关互信息的Pearson特征降维方法,减少目标变量由于熵变化对分类产生的性能影响,提升了模型分类的鲁棒性,降低了模型复杂度。综合以上模型的性能优化方法,本文构建出的网络流量分类和移动流量APP识别模型框架具有轻量、高识别和可扩展性的特点,适用于真实网络应用场景。