[發(fā)明專利]一種用于通信網(wǎng)絡(luò)的異常信號(hào)優(yōu)化識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911190115.0
• 申請(qǐng)日: 2019-11-28
• 公開（公告）號(hào): CN111079799A
• 公開（公告）日: 2020-04-28
• 發(fā)明（設(shè)計(jì)）人: 蘇和平
• 申請(qǐng)（專利權(quán)）人: 安徽極昶信息科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;H04L29/06;H04W24/06
• 代理公司: 上海精晟知識(shí)產(chǎn)權(quán)代理有限公司 31253
• 代理人: 孫永智

本發(fā)明公開了一種用于通信網(wǎng)絡(luò)的異常信號(hào)優(yōu)化識(shí)別方法，涉及網(wǎng)絡(luò)安全技術(shù)領(lǐng)域。本發(fā)明包括如下步驟：對(duì)各個(gè)待檢測(cè)信號(hào)進(jìn)行預(yù)處理特征提取；提取的特征與移動(dòng)通信網(wǎng)絡(luò)信號(hào)模型相匹配，識(shí)別出異常信號(hào)；利用DFI技術(shù)獲取大量移動(dòng)通信網(wǎng)絡(luò)信號(hào)離線訓(xùn)練數(shù)據(jù)；離線訓(xùn)練數(shù)據(jù)輸入支持向量機(jī)中，建立SVM分類器；識(shí)別出的異常信號(hào)輸入到SVM分類器；SVM分類器根據(jù)分類函數(shù)式對(duì)信號(hào)進(jìn)行分類并將分類結(jié)果提交的信號(hào)識(shí)別以及控制模塊中。本發(fā)明通過SVW算法和DFI技術(shù)整合后的支持向量機(jī)技術(shù)，應(yīng)用到網(wǎng)絡(luò)異常信號(hào)的識(shí)別控制中，并設(shè)立了網(wǎng)絡(luò)信號(hào)識(shí)別模型對(duì)通信網(wǎng)絡(luò)的異常信號(hào)進(jìn)行優(yōu)化識(shí)別，提高了網(wǎng)絡(luò)異常信號(hào)識(shí)別準(zhǔn)確率、保障用戶信息安全。

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，特別是涉及一種用于通信網(wǎng)絡(luò)的異常信號(hào)優(yōu)化識(shí)別方法。

背景技術(shù)

信息時(shí)代推動(dòng)了網(wǎng)絡(luò)技術(shù)發(fā)展步伐，在移動(dòng)通訊網(wǎng)絡(luò)中的應(yīng)用越發(fā)自如。但影響移動(dòng)網(wǎng)絡(luò)安全運(yùn)行的因素較多，還需要加強(qiáng)對(duì)通信網(wǎng)絡(luò)異常信號(hào)精準(zhǔn)識(shí)別，通過分析網(wǎng)絡(luò)信號(hào)樣本信息，了解異常信號(hào)數(shù)據(jù)特征，確保用戶信息安全，但傳統(tǒng)網(wǎng)絡(luò)信號(hào)識(shí)別方式弊端較多，無法有效識(shí)別異常信號(hào)，木馬病毒傳播與服務(wù)供給等問題層出不窮，嚴(yán)重威脅用戶信息安全。

對(duì)此，能夠準(zhǔn)確識(shí)別網(wǎng)絡(luò)異常信號(hào)，確保網(wǎng)絡(luò)安全性與穩(wěn)定運(yùn)行顯得尤為關(guān)鍵，本申請(qǐng)文件針對(duì)在移動(dòng)通信網(wǎng)絡(luò)異常信號(hào)識(shí)別過程中的缺陷，提供了一種用于通信網(wǎng)絡(luò)的異常信號(hào)優(yōu)化識(shí)別方法能夠有效解決上述問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種用于通信網(wǎng)絡(luò)的異常信號(hào)優(yōu)化識(shí)別方法，通過SVW算法和DFI技術(shù)整合后的支持向量機(jī)技術(shù)，應(yīng)用到網(wǎng)絡(luò)異常信號(hào)的識(shí)別控制中，并設(shè)立了網(wǎng)絡(luò)信號(hào)識(shí)別模型對(duì)通信網(wǎng)絡(luò)的異常信號(hào)進(jìn)行優(yōu)化識(shí)別，解決了現(xiàn)有的識(shí)別算法精度不足、威脅用戶信息安全的問題。

為解決上述技術(shù)問題，本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

本發(fā)明為一種用于通信網(wǎng)絡(luò)的異常信號(hào)優(yōu)化識(shí)別方法，包括如下步驟：

步驟S1：采集通信網(wǎng)絡(luò)正常狀態(tài)下信號(hào)特征，建立移動(dòng)通信網(wǎng)絡(luò)信號(hào)模型；

步驟S2：通過數(shù)據(jù)預(yù)處理器對(duì)各個(gè)待檢測(cè)信號(hào)進(jìn)行預(yù)處理特征提取；

步驟S3：提取的特征與移動(dòng)通信網(wǎng)絡(luò)信號(hào)模型相匹配，識(shí)別出異常信號(hào)；

步驟S4：利用DFI技術(shù)獲取大量移動(dòng)通信網(wǎng)絡(luò)信號(hào)離線訓(xùn)練數(shù)據(jù)；

步驟S5：離線訓(xùn)練數(shù)據(jù)輸入支持向量機(jī)中，建立SVM分類器；

步驟S6：步驟S3識(shí)別出的異常信號(hào)輸入到SVM分類器；

步驟S7：SVM分類器根據(jù)分類函數(shù)式對(duì)信號(hào)進(jìn)行分類并將分類結(jié)果提交的信號(hào)識(shí)別以及控制模塊中。

優(yōu)選地，所述步驟S1中，移動(dòng)通信網(wǎng)絡(luò)正常狀態(tài)下的信號(hào)特征為：

其中，移動(dòng)通信網(wǎng)絡(luò)中所有信號(hào)數(shù)據(jù)的長度表示為q+1，移動(dòng)通信網(wǎng)絡(luò)信號(hào)數(shù)據(jù)匯總周期數(shù)量最大值表示為M。

優(yōu)選地，所述步驟S2中，識(shí)別各個(gè)待檢測(cè)信號(hào)的數(shù)據(jù)源，若固定連接IP數(shù)桶固定的端口數(shù)相同，則待檢測(cè)信號(hào)為移動(dòng)通信網(wǎng)絡(luò)正常信號(hào)；若固定連接IP數(shù)桶固定的端口數(shù)不相同，則待檢測(cè)信號(hào)為移動(dòng)通信網(wǎng)絡(luò)異常信號(hào)。

優(yōu)選地，所述步驟S3中，不移動(dòng)通信網(wǎng)絡(luò)異常信號(hào)進(jìn)行識(shí)別包括如下步驟：

步驟S31：對(duì)判斷的網(wǎng)絡(luò)異常信號(hào)的特征向量進(jìn)行特征訓(xùn)練；

步驟S32：特征預(yù)處理后的訓(xùn)練向量，訓(xùn)練支持向量機(jī)，調(diào)控AVM參數(shù)；

步驟S33：將SVM參數(shù)構(gòu)建異常信號(hào)識(shí)別所需的移動(dòng)通信網(wǎng)絡(luò)信號(hào)分類面視為實(shí)際決策函數(shù)；