[發(fā)明專利]基于隨機(jī)森林的協(xié)議加密算法類型識別方法

在審

• 申請?zhí)枺?/td>: 201910368967.8
• 申請日: 2019-05-05
• 公開（公告）號: CN110138849A
• 公開（公告）日: 2019-08-16
• 發(fā)明（設(shè)計(jì)）人: 楊武
• 申請（專利權(quán)）人: 哈爾濱英賽克信息技術(shù)有限公司
• 主分類號: H04L29/08
• 分類號: H04L29/08;H04L29/06;H04L9/08;G06K9/62;H04L9/14
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 高媛

本發(fā)明公開了一種基于隨機(jī)森林的協(xié)議加密算法類型識別方法，所述方法包括如下步驟：(1)從HTTPS數(shù)據(jù)流中提取加密應(yīng)用數(shù)據(jù)，分析提取密文特性并構(gòu)建特征；(2)將訓(xùn)練集輸入到包含10棵C4.5決策樹的隨機(jī)森林中，每棵決策樹使用自助采樣法選取訓(xùn)練子集；(3)用訓(xùn)練子集訓(xùn)練隨機(jī)森林的決策樹；(4)當(dāng)所有決策樹訓(xùn)練完畢后，選擇結(jié)點(diǎn)上占比最大的加密類型作為該結(jié)點(diǎn)的加密類型；(5)將測試集輸入到使用HTTPS協(xié)議應(yīng)用密文訓(xùn)練的隨機(jī)森林模型中；(6)隨機(jī)森林中的每棵決策樹給出分類結(jié)果，依據(jù)相對多數(shù)投票法則選出最終的分類結(jié)果。該方法可以對互聯(lián)網(wǎng)上的加密應(yīng)用數(shù)據(jù)進(jìn)行初步的分析，分析其加密算法類型。

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)絡(luò)信息安全領(lǐng)域，涉及一種對互聯(lián)網(wǎng)上存在應(yīng)用層加密的加密算法類型識別的方法。

背景技術(shù)

近年移動終端的逐漸普及和網(wǎng)絡(luò)的蓬勃發(fā)展催生了新型互聯(lián)網(wǎng)結(jié)構(gòu)的誕生，促進(jìn)了網(wǎng)絡(luò)流量的增長。在如此龐大的網(wǎng)絡(luò)背后，對網(wǎng)絡(luò)流量的有效監(jiān)管是網(wǎng)絡(luò)安全保護(hù)的基石。用戶在網(wǎng)絡(luò)應(yīng)用上保存了大量隱私信息，尤其是在網(wǎng)上支付、社交網(wǎng)絡(luò)等應(yīng)用上，這些信息若被惡意流量或應(yīng)用泄露，將會對用戶個(gè)人信息安全造成極大威脅，故對于用戶信息的保密尤為重要，現(xiàn)今許多互聯(lián)網(wǎng)流量都對上層數(shù)據(jù)進(jìn)行了加密。但是對于網(wǎng)絡(luò)監(jiān)管來說，必須要對各個(gè)應(yīng)用進(jìn)行規(guī)范和督查，因此，對于線上加密流量的分析尤為重要。

用戶主要產(chǎn)生的流量大致來源于分享音樂、視頻等文件，瀏覽網(wǎng)絡(luò)上的網(wǎng)頁，收發(fā)電子郵件，社交中的聊天、視頻等操作，網(wǎng)上購物等。網(wǎng)頁、郵件內(nèi)容主要是通過HTTP、HTTPS、SMTP、POP3協(xié)議進(jìn)行傳輸，其中HTTPS、SSH協(xié)議涉及到加密流量的傳輸，用以保證用戶信息的安全傳輸。

許多流量都采用了加密應(yīng)用數(shù)據(jù)的方法來保證用戶信息在鏈路傳輸時(shí)的安全性，例如Skype、HTTP、SSH等。對于加密應(yīng)用數(shù)據(jù)來說，對該部分?jǐn)?shù)據(jù)文本特征進(jìn)行分析，與一定的算法相結(jié)合，可以識別出密文的具體加密算法。對于加密數(shù)據(jù)的研究現(xiàn)在也逐漸引入了機(jī)器學(xué)習(xí)算法。Alshammari等使用了聚類方法來識別VoIP流量，改變以往基于IP地址、端口的方式，采用流特征的方式較好的識別了GTalk、Skype流量，引入了C4.5決策樹、遺傳編程等算法，在著重分析了加密流量的屬性特征基礎(chǔ)上，實(shí)現(xiàn)了對加密流量的有效分類。對于加密的SSH協(xié)議，Dusi等使用了GMM算法、SVM算法，以數(shù)據(jù)流的包大小、方向?yàn)樘卣鲗f(xié)議流量進(jìn)行識別，并取得了較好的成果。李繼中等將基于貝葉斯決策與加密算法的識別模型相結(jié)合，針對密碼算法指令條數(shù)、子程序指令使用頻度和基本連續(xù)塊信息頻度等方式來實(shí)現(xiàn)加密算法的度量，針對加密軟件MD5calculator、keygen等，成功的識別出了上述加密軟件中的核心加密算法。吳楊等使用改進(jìn)型K-Means算法對由AES、Camellia、DES、3DES等加密算法加密的文件內(nèi)容進(jìn)行初始聚類劃分，最終識別的精確率超過85％，取得了較好的實(shí)驗(yàn)成果。

將機(jī)器學(xué)習(xí)的算法思想與加密算法識別相結(jié)合有著一定的優(yōu)勢：首先，以數(shù)據(jù)流為單位的特征無法被隱藏，即使通過加密，也能通過對數(shù)據(jù)流進(jìn)行一定的辨別和歸類；其次，統(tǒng)計(jì)特征是對整體數(shù)據(jù)流進(jìn)行分析得到的，不需要對所有數(shù)據(jù)包逐個(gè)進(jìn)行深層包處理和高層應(yīng)用協(xié)議識別，可以加快協(xié)議的識別效率。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于隨機(jī)森林的協(xié)議加密算法類型識別方法，該方法可以對互聯(lián)網(wǎng)上的加密應(yīng)用數(shù)據(jù)進(jìn)行初步的分析，分析其加密算法類型。

本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的：

一種基于隨機(jī)森林的協(xié)議加密算法類型識別方法，包括如下步驟：

步驟一、訓(xùn)練階段：

(1)從HTTPS數(shù)據(jù)流中提取加密應(yīng)用數(shù)據(jù)，分析提取密文特性并構(gòu)建特征，組成具有M維的特征F＝{f₁,f₂,...,f_M}，M＝11，通過該方式將原始數(shù)據(jù)處理為可以被隨機(jī)森林識別的數(shù)據(jù)集，數(shù)據(jù)集包括訓(xùn)練集和測試集兩個(gè)部分；