[發(fā)明專利]一種基于K-means聚類和隨機(jī)森林算法的移動(dòng)應(yīng)用程序識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811422296.0
• 申請(qǐng)日: 2018-11-27
• 公開(kāi)（公告）號(hào): CN109726735A
• 公開(kāi)（公告）日: 2019-05-07
• 發(fā)明（設(shè)計(jì)）人: 陳丹偉;朱迪
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 南京蘇科專利代理有限責(zé)任公司 32102
• 代理人: 姚姣陽(yáng)

1.一種基于K-means聚類和隨機(jī)森林算法的移動(dòng)應(yīng)用程序識(shí)別方法，其特征在于，包括如下步驟：

步驟S1、將一個(gè)時(shí)間段的加密數(shù)據(jù)流根據(jù)TCP會(huì)話特點(diǎn)離散化為若干個(gè)數(shù)據(jù)流，每個(gè)數(shù)據(jù)流采用輸入分組時(shí)間序列、輸出分組時(shí)間序列和輸入輸出分組時(shí)間序列表示；

步驟S2、對(duì)每條數(shù)據(jù)流對(duì)應(yīng)的三個(gè)時(shí)間序列進(jìn)行數(shù)學(xué)統(tǒng)計(jì)，獲取數(shù)據(jù)包的統(tǒng)計(jì)特征；

步驟S3、通過(guò)K-means聚類算法對(duì)加密數(shù)據(jù)流的統(tǒng)計(jì)特征聚類分析；

步驟S4、通過(guò)熵的計(jì)算方法對(duì)聚類分析所得到的每個(gè)聚類簇的純度打分，并過(guò)濾掉純度較低的聚類簇中的樣本；

步驟S5、通過(guò)隨機(jī)森立算法對(duì)過(guò)濾后的聚類簇作為數(shù)據(jù)集進(jìn)行建模，實(shí)現(xiàn)對(duì)加密劉所述移動(dòng)應(yīng)用類型的識(shí)別。

2.根據(jù)權(quán)利要求1所述的一種基于K-means聚類和隨機(jī)森林算法的移動(dòng)應(yīng)用程序識(shí)別方法，其特征在于，所述步驟S1中離散化的具體步驟如下：

步驟S11、以突發(fā)為單位將連續(xù)的加密網(wǎng)絡(luò)流量離散化，突發(fā)為時(shí)間間隔小于指定閾值的分組；

步驟S12、從每個(gè)突發(fā)中分離出多個(gè)加密數(shù)據(jù)流，加密數(shù)據(jù)流由在一個(gè)突發(fā)中與同一對(duì)四元祖相關(guān)的分組組成；

步驟S13、將每條數(shù)據(jù)流用用三哥分組時(shí)間序列表示，由數(shù)據(jù)流中流入的每個(gè)分組的包長(zhǎng)度按時(shí)間順序排列的序列，即為輸入分組時(shí)間序列；由數(shù)據(jù)流中流出的每個(gè)分組的包長(zhǎng)度按時(shí)間順序排序的順序，即為輸出分組時(shí)間序列；由數(shù)據(jù)流中流入和流出的每個(gè)分組按時(shí)間順序排列的序列，即為輸入輸出分組時(shí)間序列。

3.根據(jù)權(quán)利要求1所述的一種基于K-means聚類和隨機(jī)森林算法的移動(dòng)應(yīng)用程序識(shí)別方法，其特征在于，所述步驟S2的具體步驟如下：

步驟S21、對(duì)每條數(shù)據(jù)流對(duì)應(yīng)的每個(gè)分組時(shí)間序列進(jìn)行統(tǒng)計(jì)特征提取，統(tǒng)計(jì)特征包括數(shù)據(jù)包長(zhǎng)度最小值、數(shù)據(jù)包長(zhǎng)度最大值、數(shù)據(jù)包長(zhǎng)度平均值、數(shù)據(jù)包長(zhǎng)度中位數(shù)絕對(duì)偏差、數(shù)據(jù)包長(zhǎng)度標(biāo)準(zhǔn)偏差、數(shù)據(jù)包長(zhǎng)度方差、數(shù)據(jù)包長(zhǎng)度偏斜、數(shù)據(jù)包長(zhǎng)度峰度、數(shù)據(jù)包長(zhǎng)度百分位數(shù)（從10％到90％）以及該分組時(shí)間序列中的數(shù)據(jù)包數(shù)量共18個(gè)統(tǒng)計(jì)特征；

步驟S22、將上述每個(gè)分組時(shí)間序列對(duì)應(yīng)的統(tǒng)計(jì)特征，按輸入分組時(shí)間序列對(duì)應(yīng)的統(tǒng)計(jì)特征、輸出分組時(shí)間序列對(duì)應(yīng)的統(tǒng)計(jì)特征以及輸入輸出分組時(shí)間序列對(duì)應(yīng)的統(tǒng)計(jì)特征的順序組合成長(zhǎng)度為54的加密數(shù)據(jù)流特征向量；

步驟S23、對(duì)每條數(shù)據(jù)流按步驟22處理，直至所有數(shù)據(jù)流處理完畢。

4.根據(jù)權(quán)利要求1所述的一種基于K-means聚類和隨機(jī)森林算法的移動(dòng)應(yīng)用程序識(shí)別方法，其特征在于，所述步驟S3的具體步驟如下：

步驟S31、通過(guò)線型搜索選取聚類簇?cái)?shù)量常數(shù)k；

步驟S32、以常數(shù)k為參數(shù)通過(guò)K-means聚類算法建模；

步驟S33、獲取聚類結(jié)果的Dunn指數(shù)和輪廓系數(shù)，評(píng)估聚類效果；

步驟S34、循環(huán)步驟S31-步驟S33直至聚類效果達(dá)到最佳。

5.根據(jù)權(quán)利要求1所述的一種基于K-means聚類和隨機(jī)森林算法的移動(dòng)應(yīng)用程序識(shí)別方法，其特征在于，所述步驟S4的具體步驟如下：

步驟S41、通過(guò)信息熵計(jì)算公式計(jì)算每個(gè)聚類簇的信息熵；

步驟S42、設(shè)置熵閾值，過(guò)濾超過(guò)閾值的熵的聚類簇的樣本；

步驟S43、通過(guò)隨機(jī)森林算法建模；

步驟S44、循環(huán)上訴步驟、調(diào)整熵閾值直至隨機(jī)森林算法模型的分類效果最佳。

6.根據(jù)權(quán)利要求1所述的一種基于K-means聚類和隨機(jī)森林算法的移動(dòng)應(yīng)用程序識(shí)別方法，其特征在于，所述步驟S5的具體步驟如下：

步驟S51、將經(jīng)過(guò)步驟三和步驟四數(shù)據(jù)預(yù)處理的數(shù)據(jù)集隨機(jī)分為訓(xùn)練集、驗(yàn)證集和測(cè)試集三個(gè)部分；

步驟S52、應(yīng)用隨機(jī)森林算法以訓(xùn)練集為數(shù)據(jù)訓(xùn)練分類器；

步驟S53、用驗(yàn)證集來(lái)檢測(cè)分類器對(duì)移動(dòng)應(yīng)用類型識(shí)別的效果；

步驟S54、調(diào)整隨機(jī)森林中基學(xué)習(xí)器數(shù)量、基學(xué)習(xí)器中選取屬性結(jié)點(diǎn)的衡量指標(biāo)等參數(shù)；

步驟S55、循環(huán)步驟S52和步驟S53直至分類器對(duì)驗(yàn)證集的應(yīng)用類型識(shí)別效果最佳，最終用測(cè)試集檢測(cè)最終模型的識(shí)別效果。