[發明專利]基于輔助分類生成對抗網絡的半監督加密流量識別方法

在審

• 申請號: 202011150439.4
• 申請日: 2020-10-24
• 公開（公告）號: CN112270351A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 張明明;冒佳明;夏飛;趙俊峰;夏元軼;曾锃;許良杰;蒲強;馬媛媛;陳璐
• 申請（專利權）人: 國網江蘇省電力有限公司信息通信分公司;安徽繼遠軟件有限公司;全球能源互聯網研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06F17/18;H04L29/06
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 韓紅莉

本發明公開了基于輔助分類生成對抗網絡的半監督加密流量識別方法，流量預處理利用開源工具zeek進行流間信息提取形成流日志，并根據定義的特征從日志中提取出流特征形成流特征矩陣。對原始的輔助分類生成對抗網絡進行改造，生成器接收隨機噪聲、隱變量和數據標簽后融合成向量，生成包含真實流量特征的生成數據，判別器接收真實數據中的無標記樣本和有標記樣本，并堆疊三個MLP網絡分別完成對真假流量的判斷，對流量的分類和對隱變量的提取。本發明方法對原始輔助分類生成對抗網絡的損失函數進行改造，使其能利用無標記數據進行半監督學習，提升識別的精度，降低了網絡流量采集與標記的成本，同時提升了網絡管理與安全監測水平。

技術領域

本發明涉及基于輔助分類生成對抗網絡的半監督加密流量識別方法，屬于加密流量識別技術領域。

背景技術

流量分類與識別是提升網絡管理與安全監測水平，改善服務質量的基礎，也是網絡設計與規劃等網絡行為的前提。隨著用戶隱私保護和安全意識的增強，SSL、SSH和VPN等技術得到了越來越廣泛地應用，導致加密流量在網路傳輸中的比重越來越高。

因采用應用層加密，傳統的端口匹配、DPI已經無法準確識別應用流量；相比于機器學習，深度學習能較好的表達數據的本質特征，但其訓練時依賴大量有標記的樣本，樣本的準確性直接導致訓練結果的識別率。然而，加密應用的流量獲取及標記十分困難，要達到訓練出較好的模型需要的樣本量，直接采集比較困難，成本較高。

現有的基于深度學習流量識別方法大多是基于監督學習的方法，依賴于大量的標記數據。有標記的數據總是很難獲得，而且成本很高，然而，沒有標記的數據很容易獲得。顯然，如何將大量未標記的流量數據與少量標記的流量數據結合起來，以半監督的方式完成分類任務，將極大地消除大量標記數據集的依賴性，是非常有意義的。

借助少量真實應用的加密流量數據，通過本發明中描述的生成方法，可以簡單快捷地產生具有較好應用特征的加密流量的同時利用較易獲取的無標記真實流量可以獲得在同等條件下比有監督學習方法更好的識別效果，從而大幅降低流量采集與標記的成本。

發明內容

本發明所要解決的技術問題是克服現有技術的缺陷，提供基于輔助分類生成對抗網絡的半監督加密流量識別方法。

為達到上述目的，本發明提供基于輔助分類生成對抗網絡的半監督加密流量識別方法，包括步驟：

1)基于libpcap的捕獲代碼對網絡設備的網卡進行監聽，捕獲包含需要識別的流量并保存為pcap；

2)根據已知的流量，對捕獲到的pcap中已知的流量進行標記，形成有標記的pcap和無標記的pcap；

3)使用開源的流量分析工具zeek，分別對有標記的pcap和無標記的pcap提取三種日志：連接日志，SSL日志和證書日志；

4)從步驟3)中得到的三種日志中，根據定義的特征進行提取得到包含特征的流特征矩陣，形成訓練用的真實數據集；

5)搭建輔助分類生成對抗網絡結構，生成器接收由隨機噪聲、隱變量和類別標簽合成的向量c，生成器生成流量，判別器接收由步驟4)得到的流特征矩陣，判別器接收生成器生成的流量進行識別訓練，判別器輸出給三個全連接的神經網絡，完成對真假流量的識別、類別的分類和隱參數的提取；