[發(fā)明專(zhuān)利]一種網(wǎng)絡(luò)協(xié)議識(shí)別方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201610812592.6
• 申請(qǐng)日: 2016-09-09
• 公開(kāi)（公告）號(hào): CN107809343B
• 公開(kāi)（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 周剛;曾琦;周艷芳;王濛;陳海勇;蘭明敬;南煜;張鳳娟;王邠;巨星海;蘇曉丹;薛佳瑤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)人民解放軍信息工程大學(xué)
• 主分類(lèi)號(hào): H04L12/26
• 分類(lèi)號(hào): H04L12/26
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王寶筠

1.一種網(wǎng)絡(luò)協(xié)議識(shí)別方法，其特征在于，所述方法包括：

從網(wǎng)絡(luò)中抓取已知協(xié)議的數(shù)據(jù)包作為樣本數(shù)據(jù)包，并從網(wǎng)絡(luò)抓取未知協(xié)議的數(shù)據(jù)包作為目標(biāo)數(shù)據(jù)包；

分別將所述樣本數(shù)據(jù)包和所述目標(biāo)數(shù)據(jù)包轉(zhuǎn)換為樣本紋理指紋特征圖像和目標(biāo)紋理指紋特征圖像；

構(gòu)建深度學(xué)習(xí)模型并利用所述樣本紋理指紋特征圖像訓(xùn)練所述深度學(xué)習(xí)模型，獲得用于識(shí)別網(wǎng)絡(luò)協(xié)議的目標(biāo)深度學(xué)習(xí)模型；所述深度學(xué)習(xí)模型為基于深度信念網(wǎng)絡(luò)的深度學(xué)習(xí)模型；

基于所述目標(biāo)深度學(xué)習(xí)模型對(duì)所述目標(biāo)紋理指紋特征圖像進(jìn)行識(shí)別，獲得目標(biāo)網(wǎng)絡(luò)協(xié)議。

2.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)協(xié)議識(shí)別方法，其特征在于，所述分別將所述樣本數(shù)據(jù)包和所述目標(biāo)數(shù)據(jù)包轉(zhuǎn)換為樣本紋理指紋特征圖像和目標(biāo)紋理指紋特征圖像，包括：

將所述樣本數(shù)據(jù)包中的二進(jìn)制數(shù)按預(yù)設(shè)的轉(zhuǎn)換規(guī)則轉(zhuǎn)為多個(gè)數(shù)值范圍位于0到255的數(shù)，所述預(yù)設(shè)的轉(zhuǎn)換規(guī)則為將數(shù)據(jù)包中的二進(jìn)制數(shù)按順序每8比特一組轉(zhuǎn)化為一個(gè)數(shù)值范圍位于0到255的數(shù)；

將所述樣本數(shù)據(jù)包轉(zhuǎn)換得到的多個(gè)數(shù)值范圍位于0到255的數(shù)轉(zhuǎn)換為MxN的圖像作為所述樣本紋理指紋特征圖像；

將所述目標(biāo)數(shù)據(jù)包中的二進(jìn)制數(shù)按所述預(yù)設(shè)的轉(zhuǎn)換規(guī)則轉(zhuǎn)為多個(gè)數(shù)值范圍位于0到255的數(shù)；

將所述目標(biāo)數(shù)據(jù)包轉(zhuǎn)換得到的多個(gè)數(shù)值范圍位于0到255的數(shù)轉(zhuǎn)換為MxN的圖像作為所述目標(biāo)紋理指紋特征圖像。

3.根據(jù)權(quán)利要求1或2所述的網(wǎng)絡(luò)協(xié)議識(shí)別方法，其特征在于，

則所述利用所述樣本紋理指紋特征圖像訓(xùn)練所述深度學(xué)習(xí)模型，包括：

利用所述樣本紋理指紋特征圖像在無(wú)監(jiān)督條件下對(duì)所述基于深度信念網(wǎng)絡(luò)的深度學(xué)習(xí)模型進(jìn)行預(yù)訓(xùn)練；

利用與所述樣本紋理指紋特征圖像對(duì)應(yīng)的協(xié)議在有監(jiān)督條件下基于反向傳播算法對(duì)預(yù)訓(xùn)練后的深度學(xué)習(xí)模型進(jìn)行微調(diào)。

4.根據(jù)權(quán)利要求3所述的網(wǎng)絡(luò)協(xié)議識(shí)別方法，其特征在于，所述深度信念網(wǎng)絡(luò)包括多個(gè)受限玻爾茲曼機(jī)；

則所述利用所述樣本紋理指紋特征圖像在無(wú)監(jiān)督條件下對(duì)所述基于深度信念網(wǎng)絡(luò)的深度學(xué)習(xí)模型進(jìn)行預(yù)訓(xùn)練，包括：

利用所述樣本紋理指紋特征圖像在無(wú)監(jiān)督條件下對(duì)所述深度學(xué)習(xí)模型中的受限玻爾茲曼機(jī)逐層進(jìn)行訓(xùn)練。

5.根據(jù)權(quán)利要求4所述的網(wǎng)絡(luò)協(xié)議識(shí)別方法，其特征在于，所述利用所述樣本紋理指紋特征圖像在無(wú)監(jiān)督條件下對(duì)所述深度學(xué)習(xí)模型中的受限玻爾茲曼機(jī)逐層進(jìn)行訓(xùn)練，具體為：

利用所述樣本紋理指紋特征圖像基于CD-K算法在無(wú)監(jiān)督條件下對(duì)所述深度學(xué)習(xí)模型中的受限玻爾茲曼機(jī)逐層訓(xùn)練。

6.一種網(wǎng)絡(luò)協(xié)議識(shí)別裝置，其特征在于，所述裝置包括：數(shù)據(jù)包抓取模塊、數(shù)據(jù)包轉(zhuǎn)換模塊、模型構(gòu)建及訓(xùn)練模塊和網(wǎng)絡(luò)協(xié)議識(shí)別模塊；

所述數(shù)據(jù)包抓取模塊，用于從網(wǎng)絡(luò)中抓取已知協(xié)議的數(shù)據(jù)包作為樣本數(shù)據(jù)包，并從網(wǎng)絡(luò)抓取未知協(xié)議的數(shù)據(jù)包作為目標(biāo)數(shù)據(jù)包；

所述數(shù)據(jù)包轉(zhuǎn)換模塊，用于分別將所述數(shù)據(jù)包抓取模塊抓取的所述樣本數(shù)據(jù)包和所述目標(biāo)數(shù)據(jù)包轉(zhuǎn)換為樣本紋理指紋特征圖像和目標(biāo)紋理指紋特征圖像；

所述模型構(gòu)建及訓(xùn)練模塊，用于構(gòu)建深度學(xué)習(xí)模型并利用所述數(shù)據(jù)包轉(zhuǎn)換模塊轉(zhuǎn)換得到的所述樣本紋理指紋特征圖像訓(xùn)練所述深度學(xué)習(xí)模型，獲得用于識(shí)別網(wǎng)絡(luò)協(xié)議的目標(biāo)深度學(xué)習(xí)模型；所述深度學(xué)習(xí)模型為基于深度信念網(wǎng)絡(luò)的深度學(xué)習(xí)模型；

所述網(wǎng)絡(luò)協(xié)議識(shí)別模塊，用于基于所述模型構(gòu)建及訓(xùn)練模塊構(gòu)建并訓(xùn)練得到的所述目標(biāo)深度學(xué)習(xí)模型對(duì)所述數(shù)據(jù)包轉(zhuǎn)換模塊轉(zhuǎn)換得到的所述目標(biāo)紋理指紋特征圖像進(jìn)行識(shí)別，獲得目標(biāo)網(wǎng)絡(luò)協(xié)議。