[發明專利]一種基于SVM機器學習的暗網流量識別模型的建立方法有效
| 申請號： | 201710156258.4 | 申請日： | 2017-03-16 |
| 公開（公告）號： | CN106953854B | 公開（公告）日： | 2019-10-18 |
| 發明（設計）人： | 蘇宏;陳周國;丁建偉;趙越;郭宇斌 | 申請（專利權）人： | 中國電子科技集團公司第三十研究所 |
| 主分類號： | H04L29/06 | 分類號： | H04L29/06 |
| 代理公司： | 成都九鼎天元知識產權代理有限公司 51214 | 代理人： | 鄧世燕 |
| 地址： | 610000 *** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 svm 機器 學習 流量 識別 模型 建立 方法 | ||
本發明公開了一種基于SVM機器學習的暗網流量識別模型的建立方法，包括如下步驟：構建基于SVM的機器學習的流量檢測模型；對流量檢測模型中的參數進行機器學習，得到純凈匿名流量和純凈非匿名流量的四個特征值；將純凈匿名流量和純凈非匿名流量的四個特征值帶入到流量檢測模型中進行運算，得到流量檢測模型的參數。與現有技術相比，本發明的積極效果是：通過本發明方法，可以非常準確地刻畫出匿名網絡數據流量識別的數學模型，應用于匿名網絡數據流量檢測中，檢測準確率高，運算簡單高效，并且當匿名網絡升級之后，由于該方法采用的是基于機器學習的算法，因此只要針對升級后的匿名網絡重新進行學習，便可以檢測出新的匿名網絡數據流量。
技術領域
本發明涉及一種基于SVM機器學習的暗網流量識別模型的建立方法。
背景技術
匿名網絡(暗網)流量的分析與控制，特別是流量檢測當前正處于探索研究階段，目前并沒有一種方法能夠有效檢測所有的匿名網絡流量，有的方法可能僅對某種匿名網絡有效，甚至僅對于某個版本有效，因此匿名網絡流量的檢測是一個永恒的研究課題，需要不斷的跟進研究，以應對匿名網絡的不斷升級變化，而提高匿名網絡流量檢測的準確率，關鍵在于流量識別模型建立的準確性上。本方法采用機器學習的方法，盡量準確的建立一個匿名網絡流量識別的數學模型，試圖將由于匿名網絡的升級變化給檢測帶來的影響降到最低，可以較準確的檢測出匿名網絡的流量。
發明內容
為了克服現有技術的上述缺點，本發明提供了一種基于SVM機器學習的暗網流量識別模型的建立方法，旨在為匿名網絡的流量識別建立一個動態變化而準確的數學模型。
本發明解決其技術問題所采用的技術方案是：一種基于SVM機器學習的暗網流量識別模型的建立方法，包括如下步驟：
步驟一、構建基于SVM的機器學習的流量檢測模型；
步驟二、對流量檢測模型中的參數進行機器學習，得到純凈匿名流量和純凈非匿名流量的四個特征值；
步驟三、將純凈匿名流量和純凈非匿名流量的四個特征值帶入到流量檢測模型中進行運算，得到流量檢測模型的參數。
與現有技術相比，本發明的積極效果是：
通過本發明方法，可以非常準確地刻畫出匿名網絡數據流量識別的數學模型，應用于匿名網絡數據流量檢測中，檢測準確率高，運算簡單高效，并且當匿名網絡升級之后，由于該方法采用的是基于機器學習的算法，因此只要針對升級后的匿名網絡重新進行學習，便可以檢測出新的匿名網絡數據流量。
附圖說明
本發明將通過例子并參照附圖的方式說明，其中：
圖1為基于SVM的流量檢測模型原理圖。
具體實施方式
一種基于SVM機器學習的暗網流量識別模型的建立方法，包括如下步驟：
步驟一、模型建立
匿名網絡流量的檢測均是在建立數學模型的基礎上實施的，但目前大多數的檢測模型可能僅對某種匿名網絡有效，甚至僅對于某個版本有效，為了解決這一難題，有效應對匿名網絡的不斷升級變化，提高匿名網絡流量檢測的準確率，需要建立一種新型的匿名網絡流量檢測模型。
本方法中，檢測模型采用基于SVM的機器學習的流量檢測模型，匿名網絡流量檢測模型如圖1所示：圖中x為輸入的特征向量，特征的數量為d；xn為采集的樣本，是d維向量；yn為期望輸出的值(1，-1)，對應是或不是相應的匿名流量。該模型用數學表達式可以等價表示為：
y＝kx+b
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國電子科技集團公司第三十研究所，未經中國電子科技集團公司第三十研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710156258.4/2.html，轉載請聲明來源鉆瓜專利網。
