[發明專利]一種網絡流量識別方法及裝置

有效

• 申請號: 201711483710.4
• 申請日: 2017-12-29
• 公開（公告）號: CN109995601B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 孫昌清;熊龍
• 申請（專利權）人: 中國移動通信集團上海有限公司;中國移動通信有限公司研究院
• 主分類號: H04L12/26
• 分類號: H04L12/26;H04L12/24;G06N3/08;G06N3/04
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種網絡流量識別方法，其特征在于，包括：

根據具有卷積神經網絡特征的區域R-CNN模型對運行在純凈模擬器環境中的應用程序的界面進行對象識別，得到所述應用程序的動態操作行為信息；

根據當前的操作行為類型和所述動態操作行為信息，對所述應用程序的操作行為進行分類觸發，監聽分類觸發后的流量，并對所述分類觸發后的流量進行流量標定，得到樣本流量；

將所述樣本流量輸入字符級循環神經網絡char-RNN模型進行訓練，得到目標模型，根據所述目標模型對網絡流量進行識別。

2.根據權利要求1所述的方法，其特征在于，所述根據具有卷積神經網絡特征的區域R-CNN模型對運行在純凈模擬器環境中的應用程序的界面進行對象識別，得到所述應用程序的動態操作行為信息，具體包括：

根據所述R-CNN模型的卷積層對所述應用程序運行過程中的界面進行多層卷積，獲得所述界面的抽象特征圖；

根據所述R-CNN模型的區域識別網絡對所述抽象特征圖進行卷積操作，提取得到待分類的特征區域；

根據所述R-CNN模型的分類器對所述特征區域進行分類，并識別得到所述特征區域內各對象的類型及各對象對應的文字描述信息；

其中，所述應用程序的動態操作行為信息包括各對象的類型及各對象對應的文字描述信息。

3.根據權利要求1所述的方法，其特征在于，所述根據當前的操作行為類型和所述動態操作行為信息，對所述應用程序的操作行為進行分類觸發，監聽分類觸發后的流量，并對所述分類觸發后的流量進行流量標定，得到樣本流量，具體包括：

根據當前的操作行為類型和所述動態操作行為信息，對所述應用程序的操作行為進行分類觸發，記錄操作行為的觸發順序和時間戳信息，監聽分類觸發后的流量，并對所述分類觸發后的流量進行流量標定，得到樣本流量。

4.根據權利要求3所述的方法，其特征在于，所述根據當前的操作行為類型和所述動態操作行為信息，對所述應用程序的操作行為進行分類觸發，記錄操作行為的觸發順序和時間戳信息，監聽分類觸發后的流量，并對所述分類觸發后的流量進行流量標定，得到樣本流量，具體包括：

根據當前的操作行為類型和所述動態操作行為信息，對所述應用程序的操作行為進行分類觸發，記錄操作行為的觸發順序和時間戳信息，監聽分類觸發后的流量，根據所述觸發順序或所述時間戳對所述分類觸發后的流量進行分割，并對分割后的流量進行流量標定，得到樣本流量。

5.根據權利要求1所述的方法，其特征在于，所述將所述樣本流量輸入字符級循環神經網絡char-RNN模型進行訓練，得到目標模型，根據所述目標模型對網絡流量進行識別，具體包括：

對所述樣本流量進行分析，得到所述樣本流量的關鍵字段內容、頻繁字段和最長公共子序列；

對所述樣本流量的結構進行分析，得到所述樣本流量的包長序列、時間窗序列數據包之間的時間間隔序列和流量協議類型序列；

根據所述樣本流量的關鍵字段內容、頻繁字段、最長公共子序列、包長序列、時間窗序列數據包之間的時間間隔序列和流量協議類型序列，構建得到字符向量對應表；

將所述字符向量對應表中的字符輸入所述char-RNN模型，根據多層感知機對輸入的字符進行特征學習，得到目標模型；

根據所述目標模型對網絡流量進行識別。

6.根據權利要求1所述的方法，其特征在于，所述根據具有卷積神經網絡特征的區域R-CNN模型對運行在純凈模擬器環境中的應用程序的界面進行對象識別，得到所述應用程序的動態操作行為信息之前，還包括：

對應用程序的安裝包文件進行反編譯和靜態分析，得到所述應用程序的靜態操作行為信息；

相應地，所述根據當前的操作行為類型和所述動態操作行為信息，對所述應用程序的操作行為進行分類觸發，監聽分類觸發后的流量，并對所述分類觸發后的流量進行流量標定，得到樣本流量，具體包括：

根據當前的操作行為類型、所述靜態操作行為信息和所述動態操作行為信息，對所述應用程序的操作行為進行分類觸發，監聽分類觸發后的流量，并對所述分類觸發后的流量進行流量標定，得到樣本流量。