[發(fā)明專利]一種報文特征提取方法和裝置

在審

• 申請?zhí)枺?/td>: 201310389436.X
• 申請日: 2013-08-30
• 公開（公告）號: CN103475537A
• 公開（公告）日: 2013-12-25
• 發(fā)明（設計）人: 陳凱;周異
• 申請（專利權）人: 華為技術有限公司
• 主分類號: H04L12/26
• 分類號: H04L12/26
• 代理公司: 深圳市深佳知識產(chǎn)權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

技術領域

本發(fā)明涉及通信技術領域，具體設涉及一種報文特征提取方法和裝置。

背景技術

在統(tǒng)計報文分類領域中，數(shù)據(jù)流的特征采集是一件非常重要的事情，好的特征可以提高識別的精確率和準確度，但是目前的大部分統(tǒng)計報文分類都是基于數(shù)據(jù)流來采集特征的，這樣生成的特征向量往往要涉及報文次序的問題，例如：對同一個數(shù)據(jù)流采集其前五個報文大小，或者是采集前五個報文相鄰到達時間間隔等等，諸如此類的特征信息都將在真實網(wǎng)絡環(huán)境中的亂序，部分流（其中，部分流是相對全流而言的。全流指的是一個數(shù)據(jù)流的所有報文，部分流指的是一條流的部分報文），以及丟包的情況下導致識別準確度大打折扣。

因此，現(xiàn)有技術中缺乏一種報文特征提取方法，以適用于真實網(wǎng)絡環(huán)境中的亂序，部分流以及丟包的情形。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種報文特征提取方法和裝置，能夠忽略數(shù)據(jù)報文次序信息，以適用于真實網(wǎng)絡環(huán)境中的亂序，部分流以及丟包的情形。

第一方面，提供了一種報文特征提取方法，所述方法包括：

接收報文；

對所述接收到的報文提取用于分組的第一特征信息；

根據(jù)所述第一特征信息，將所述接收的報文分組，歸屬于同一組的報文屬于同一條數(shù)據(jù)流；

對所述接收到的報文提取用于識別數(shù)據(jù)流類型的第二特征信息，所述第二特征信息用于識別分組后的數(shù)據(jù)流的類型。

在第一種可能的實現(xiàn)方式中，根據(jù)第一方面，所述第一特征信息為五元組信息，所述五元組信息包括：源端口、目的端口、源IP地址、目的IP地址、傳輸層協(xié)議；

所述根據(jù)所述第一特征信息，將所述接收的報文分組，歸屬于同一組的報文屬于同一條數(shù)據(jù)流，具體包括：

將五元組信息對應相同的報文，劃分為同一組，歸屬于同一組的報文屬于同一條數(shù)據(jù)流。

在第二種可能的實現(xiàn)方式中，結合第一方面，所述對接收到的報文提取用于識別數(shù)據(jù)流類型的第二特征信息，所述第二特征信息用于識別分組后的數(shù)據(jù)流的類型，具體包括：

若報文分組后僅有一組，則所述僅有一組的報文屬于一條數(shù)據(jù)流，對接收到的報文提取用于識別數(shù)據(jù)流類型的第二特征信息，所述第二特征信息用于識別所述一條數(shù)據(jù)流的類型，所述第二特征信息用向量組形式表示為：