流量識別對互聯(lián)網(wǎng)的網(wǎng)絡安全和網(wǎng)絡管理領域具有重要意義。隨著網(wǎng)絡應用技術的不斷發(fā)展，傳統(tǒng)識別方法的局限性日益顯現(xiàn)，端口識別由于P2P等應用端口的使用方式而失去了自身的優(yōu)勢，DPI技術雖然可以有效地識別網(wǎng)絡流量，但是對于加密的流量則是束手無策。雖然基于機器學習的識別方法可以有效地改善這兩種技術存在的缺陷，而面對眾多機器學習算法，如何從中選擇或者加以改進以適合特定實際流量環(huán)境仍是該領域未能完全解決的問題，另外，目前抽樣技術已經(jīng)用于高速的網(wǎng)絡測量和網(wǎng)絡管理中，在抽樣的網(wǎng)絡環(huán)境下對于基于流的特征屬性的影響及測度之間的相關性的影響也是該領域目前的一個研究熱點。

本書所介紹的研究工作圍繞以上目標展開，通過建立標準數(shù)據(jù)集，研究報文抽樣、屬性選擇算法對識別精度的影響，評估分類算法對屬性特征在抽樣條件下的敏感程度，在此基礎上，建立面向不同環(huán)境和需求的多分類器融合流量識別模型。全書共有8章及1個附錄。

希望本書的出版，能給學習流量識別技術的研究人員提供一個擴展研究思路的平臺。本書主要是以筆者的博士論文為基礎的，是筆者在博士期間的工作總結，內容方面已反復修改和論證，但難免有不足之處，歡迎廣大讀者批評指正，以便本書質量的進一步提高。

本書包含筆者的研究內容和成果，同時也引用了一些國內外學術研究的觀點，在此向有關人士致以衷心的感謝！