针对网络流量分类中的多类不均衡问题，提出一种基于相对不确定性和对称不确定性的Hybrid型特征选择方法。首先，利用相对不确定性为每个类选择候选特征集；然后，保留每个候选特征集中对称不确定性较高的特征并去除其他特征；最后，利用基于C4.5决策树的wrapper型特征选择方法确定最优特征子集。在真实网络流量数据集上的实验结果表明，与传统方法相比，该方法具有较高的整体准确率、小类召回率和g-mean值，从而可以减轻多类不均衡问题带来的不良影响。