使用机器学习对用户浏览进行分类 activity
classification of user browsing activity using machine learning
如果您在浏览互联网时记录所有 IP 流量（使用 wireshark 或类似程序），您会发现许多发送的数据包不是您浏览的一部分 activity。
我的问题是：
如果您希望将数据包（从您的 PC 发送）分为两组：
1) 作为浏览的一部分发送的数据包 activity
2) 所有其他数据包
您将如何使用机器学习来解决这个问题？
您可以假设 packet-payload 不能用于此目的，因为它被封装或加密，因此只能使用 packet-headers，例如TCP window 大小、TCP 标志位、数据包长度和数据包方向。
听起来像是二进制 class化问题。
您可以使用三种基本方法：
- 收集可以手动标记的包 "browsing activity" 和 "others" 并在顶部训练二进制 classifier（如 SVM 等）
- 仅收集 "browsing activity" 的包并在顶部训练 one-class classifier（例如一个 class SVM）
- 只需收集所有可能的数据，然后尝试将其聚类成两个聚类，找到的划分有可能（不幸的是非常小！）就是您正在寻找的那个
在上述每种情况下，您都需要准备一组特征来表示您的数据。因此，要么是一些特征的常量集，要么你可以尝试简单地使用数据包 header 作为原始文本并训练一些 text-based 模型，比如一些卷积神经网络等
如果您在浏览互联网时记录所有 IP 流量（使用 wireshark 或类似程序），您会发现许多发送的数据包不是您浏览的一部分 activity。
我的问题是：
如果您希望将数据包（从您的 PC 发送）分为两组：
1) 作为浏览的一部分发送的数据包 activity
2) 所有其他数据包
您将如何使用机器学习来解决这个问题？
您可以假设 packet-payload 不能用于此目的，因为它被封装或加密，因此只能使用 packet-headers，例如TCP window 大小、TCP 标志位、数据包长度和数据包方向。
听起来像是二进制 class化问题。
您可以使用三种基本方法：
- 收集可以手动标记的包 "browsing activity" 和 "others" 并在顶部训练二进制 classifier（如 SVM 等）
- 仅收集 "browsing activity" 的包并在顶部训练 one-class classifier（例如一个 class SVM）
- 只需收集所有可能的数据，然后尝试将其聚类成两个聚类，找到的划分有可能（不幸的是非常小！）就是您正在寻找的那个
在上述每种情况下，您都需要准备一组特征来表示您的数据。因此，要么是一些特征的常量集，要么你可以尝试简单地使用数据包 header 作为原始文本并训练一些 text-based 模型，比如一些卷积神经网络等