最大信息熵原理已被成功地应用于各种自然语言处理领域，如机器翻译、语音识别和文本自动分类等，提出了将其应用于互联网异常流量的分类。由于最大信息熵模型利用二值特征函数来表达和处理符号特征，而KDD99数据集中存在多种连续型特征，因此采用基于信息熵的离散化方法对数据集进行预处理，并利用CFS算法选择合适的特征子集，形成训练数据集合。最后利用BLVM算法进行参数估计，得到满足最大熵约束的指数形式的概率模型。通过实验，比较了最大信息熵模型和NaiveBayes、BayesNet、SVM与C4.5决策树方法之间的精度、召回率、F-Measure，发现最大信息熵模型具有良好的综合性能，尤其在训练数据集样