[發明專利]一種基于HTTP不同版本的加密網站細粒度分類方法和裝置

在審

• 申請號: 202010090768.8
• 申請日: 2020-02-13
• 公開（公告）號: CN111382780A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 熊剛;茍高鵬;張子青;李鎮;管洋洋;王炳旭
• 申請（專利權）人: 中國科學院信息工程研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00;G06N3/04;H04L29/08
• 代理公司: 北京君尚知識產權代理有限公司 11200
• 代理人: 邱曉鋒

1.一種基于HTTP不同版本的加密網站細粒度分類方法，其特征在于，包括以下步驟：

對待分類的加密網站建立本地請求和響應序列特征；

將待分類的加密網站的本地請求和響應序列特征輸入深度森林模型；所述深度森林模型是利用由訓練數據建立的網頁的本地請求和響應序列特征進行訓練而得到的深度森林模型；

通過深度森林模型得到加密網站細粒度分類結果。

2.根據權利要求1所述的方法，其特征在于，所述本地請求和響應序列特征包括三部分：第一部分特征描述網頁的整體統計特征；第二部分特征包含頁面加載期間每個時間片中傳入和傳出數據包的數量和總大小；第三部分特征描述網頁的詳細信息。

3.根據權利要求2所述的方法，其特征在于，所述第一部分特征包括10維統計特征：c2s的數據包總字節數，s2c的數據包總字節數，c2s的數據包總包數，s2c的數據包總包數，前30個c2s數據包的總字節數，前10個s2c數據包的總字節數，前30個數據包中c2s數據包個數，前10個數據包中s2c數據包個數，最后10個s2c數據包的總字節數，最后10個數據包s2c數據包個數；所述第二部分特征包括80維統計特征：由頁面加載期間分成的20個時間片中，每個時間片的c2s數據包的總字節數，s2c的數據包個數，c2s的數據包個數，s2c數據包的總字節數；所述第三部分特征包括60維統計特征：前20個c2s的數據包的包長序列，前20個s2c的數據包的包長序列，最后20個s2c的數據包的包長序列。

4.根據權利要求2或3所述的方法，其特征在于，所述深度森林模型包括多粒度掃描模塊和層次森林模塊；所述多粒度掃描模塊分別用不同長度滑動窗口掃描輸入的第二部分特征和第三部分特征；所述層次森林模塊中，第一層隨機森林的輸入是第一部分特征加上滑動窗口產生的細粒度特征，之后的每一層隨機森林的輸入包括第一部分特征和滑動窗口產生的細粒度特征，還包括上一層隨機森林投票的特征。

5.根據權利要求4所述的方法，其特征在于，所述多粒度掃描模塊分別使用維度為3、4、5的滑動窗口掃描輸入的特征。

6.根據權利要求4所述的方法，其特征在于，所述深度森林模型的訓練過程包括：

利用訓練數據建立網頁的本地請求和響應序列特征；

利用本地請求和響應序列特征對深度森林模型進行訓練，首先使用不同長度的滑動窗口對特征進行多粒度的掃描，接著將不同粒度的特征輸入到層次森林中，最終得到訓練完成的深度森林模型。

7.根據權利要求1～6中任一權利要求所述的方法，其特征在于，雙向流場景使用所述本地請求和響應序列特征的所有特征，單向流場景只使用所述本地請求和響應序列特征的c2s特征。

8.一種基于HTTP不同版本的加密網站細粒度分類裝置，其特征在于，包括：

特征建立模塊，用于對待分類的加密網站建立本地請求和響應序列特征；

分類模塊，用于將待分類的加密網站的本地請求和響應序列特征輸入深度森林模型，通過深度森林模型得到加密網站細粒度分類結果；所述深度森林模型是利用由訓練數據建立的網頁的本地請求和響應序列特征進行訓練而得到的深度森林模型。

9.根據權利要求8所述的裝置，其特征在于，還包括訓練模塊，用于采用以下操作訓練所述深度森林模型：

利用訓練數據建立網頁的本地請求和響應序列特征；

利用本地請求和響應序列特征對深度森林模型進行訓練，首先使用不同長度的滑動窗口對特征進行多粒度的掃描，接著將不同粒度的特征輸入到層次森林中，最終得到訓練完成的深度森林模型。

10.一種電子裝置，其特征在于，包括存儲器和處理器，所述存儲器存儲計算機程序，所述計算機程序被配置為由所述處理器執行，所述計算機程序包括用于執行權利要求1～7中任一權利要求所述的方法的指令。