计算机科学与技术学院董仕博士申报的《抽样环境下基于流记录的行为特征分析与多分类器识别模型研究》项目获批为国家自然科学基金（联合基金项目），资助经费30万元。

    项目简介：

    网络流量识别对网络安全监控、网络管理等具有重要意义。项目旨在探索抽样环境下基于流记录的流量特征分析及关键技术，拟建立基于流记录的流量识别模型及相应的识别算法。拟研究的内容及目标研究网络流量行为数据捕获及分析模型，构建高精度基准数据集。综合考虑抽样环境下由于信息的缺失而带来的数据量的降低进而影响到属性选择的因素，分析不同抽样策略对特征属性的相关性的影响，给出抽样率与相关性之间的影响度关系模型，并设计一种适合抽样环境下的属性选择算法。综合考虑不同分类器之间的异构性及偏好性，和抽样策略所带来的影响，以提高抽样环境下的网络流量识别精度为目标，设计多分类器的流量识别模型，并给出多分类器融合的解决方案。本项目所提出的算法和模型不仅可以提高抽样环境下网络流量识别精度，还能适应于加密流量的识别问题。项目预期成果能有效推动网络流量识别技术的发展，对提高互联网安全监控和管理具有重要的理论及应用意义。