摘要： 对不同类别的应用数据流，根据其在最初若干分组中进行握手和参数协商的差异性，通过通信模式、载荷长度以及信息熵等特征，采用基于最短划分距离的方法构建决策树模型，对其进行流量分类。经过在4个不同类型的真实网络数据集上的离线分类实验，以及在校园网环境中的在线流量分类实验。结果表明该模型对8种常见协议的网络流量，分析其前4到6个分组的特征，能够在分类准确性和系统开销上取得较好的效果。与其他机器学习算法相比，该模型构建的决策树规模较小，分类时间较短，适合于实时流量分类问题。