[發明專利]基于數據包時序的加密網頁流量分割點識別方法

有效

• 申請號: 202010007696.6
• 申請日: 2020-01-05
• 公開（公告）號: CN111209959B
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 楊超;孟獻昆;蘇銳丹;尤偉;鄭昱;郭剛;陳明哲
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 陳宏社;王品華

1.一種基于數據包時序的加密網頁流量分割點識別方法，其特征在于，包括以下步驟：

(1)獲取加密網頁流量原始數據集T：

(1a)構建包含計算機D、加密網絡N和網頁服務器S的數據采集網絡，計算機D包含匿名瀏覽器C和抓包軟件，網頁服務器S包括至少一個網頁W；

(1b)匿名瀏覽器C通過加密網絡N對網頁服務器S所包含的網頁W進行n次訪問，并通過抓包軟件對每次訪問的請求和應答過程所產生的雙向加密網頁流量數據進行抓取，得到加密網頁流量原始數據集T，T＝{T₁,T₂,...T_i,...T_n}，其中，T_i表示第i次抓取的包含m個數據包的加密網頁流量數據，第j個數據包的時間戳和長度分別為t_ij和l_ij，n≥2，m≥3；

(2)定義加密網頁流量數據T_i的矢量數據包：

定義加密網頁流量數據T_i中帶有方向的數據包為矢量數據包，匿名瀏覽器C通過加密網絡N向網頁服務器S發送的請求數據包為矢量數據包-l_ij，網頁服務器S通過加密網絡N向匿名瀏覽器C發送的應答數據包為矢量數據包+l_ij；

(3)基于數據包時序獲取加密網頁流量數據T_i的序列段集合：

(3a)將加密網頁流量數據T_i中數據包的矢量數據包記為l′_ij，并以[時間戳，矢量]為格式對T_i進行序列化，得到加密網頁流量序列T′_i：

T′_i＝{(t_i1,l′_i1),(t_i2,l′_i2),...,(t_ij,l′_ij),...(t_im,l′_im)}；

(3b)以Δt為單位時間對加密網頁流量序列T′_i進行劃分，得到包括s段子序列的序列段集合T′_i＝{T′_i1,T′_i2,...T′_ik,...T′_is}，其中，T′_ik表示第k段序列；

(4)獲取加密網頁流量序列T′_i的時序特征向量集合CT_i和標簽集合Y_i：

(4b)計算第k段T′_ik內序列個數的統計值和矢量的統計值，以及第k段T′_ik內相鄰序列之間時間間隔的統計值，其中：

第k段T′_ik內序列個數的統計值和矢量的統計值，包括矢量為“+”的序列個數scn_k和序列總矢量和scl_k、矢量為“-”的序列個數csn_k和序列總矢量和csl_k、scl_k的長度|scl_k|和csl_k的長度|csl_k|、序列總個數vn_k和序列總矢量和vl_k，以及序列總矢量長度vl′_k、scn_k與vn_k的比值csn_k與vn_k的比值scl_k與vl_k的比值csl_k與vl_k的比值|scl_k|與vl′_k的比值|csl_k|與vl′_k的比值k≥2，其中：

vn_k＝scn_k+csn_k

vl_k＝scl_k+csl_k

vl′_k＝|scl_k|+|csl_k|

第k段T′_ik內相鄰序列之間時間間隔的統計值，包括最大時間間隔、最小時間間隔、所有時間間隔的平均值和標準差；

(4c)將加密網頁流量序列T′_i中第k段T′_ik內序列個數的統計值和矢量的統計值，以及第k段T′_ik內相鄰序列之間時間間隔的統計值組成時序特征向量CT_ik，并將T′_i中s段的時序特征向量組成時序特征向量集合CT_i：

CT_i＝{CT_i1,CT_i2,...CT_ik,...CT_is}；

(4d)通過標簽y_ik對第k段T′_ik的時序特征向量CT_ik進行標注，得到標簽集合Y_i：Y_i＝{y_i1,y_i2,...y_ik,...y_is}，其中：

0表示為加密網頁流量的分割點，1表示為非加密網頁流量的分割點；

(5)獲取訓練集集合V^train和測試集集合V^test：

將從時序特征向量集合CT_i中隨機選取的半數以上的特征向量，以及每個特征向量在標簽集合Y_i中對應的標簽作為訓練集V_i^train，n個訓練集組成訓練集集合V^train，同時將CT_i其余特征向量和每個特征向量在標簽集合Y_i中對應的標簽作為測試集V_i^test，n個測試集組成測試集集合V^test，其中：

(6)構建分類模型M：

將訓練集集合V^train作為隨機森林算法的輸入進行訓練，得到分類模型M；

(7)獲取加密網頁流量分割點的識別結果：

將測試集集合V^test作為分類模型M的輸入進行分類，得到V^test中每個特征向量的標簽。

2.根據權利要求1所述的基于數據包時序的加密網頁流量分割點識別方法，其特征在于，步驟(6)中所述的構建分類模型，實現步驟為：

(6a)從訓練集集合V^train中有放回的隨機抽取q次，每次抽取的p個特征向量組成子訓練集集合V′^train：

其中表示第c個子訓練集，1≤c≤q，且CT_cr為第r個特征向量，且CT_cr＝(fea₁,fea₂,...,fea_u, ... fea_w)，fea_u為第u個特征，w為特征總數；

(6b)從中的特征向量CT_cr中隨機選擇o_r個特征組成部分特征向量CT′_cr，對應的部分特征向量組成部分特征子訓練集并將作為決策樹算法的輸入構建決策樹tree_c，所有決策樹組成分類模型M：

M＝{tree₁,tree₂,...tree_c,...tree_q}

其中tree_c為第c個決策樹，1≤c≤q。