[發明專利]基于去中心化應用加密流量特征的多場景分類方法及系統

有效

• 申請號: 202011159375.4
• 申請日: 2020-10-27
• 公開（公告）號: CN112381119B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 李鎮;李真真;王宇;熊剛;扶佩佩;楊青婭;崔明鑫
• 申請（專利權）人: 中國科學院信息工程研究所
• 主分類號: G06F18/2431
• 分類號: G06F18/2431;H04L9/40
• 代理公司: 北京君尚知識產權代理有限公司 11200
• 代理人: 余功勛

1.一種基于去中心化應用加密流量特征的多場景分類方法，其步驟包括：

1)收集去中心化應用的加密流量，并對各加密流量標記應用、用戶行為和通用用戶行為的分類標簽；

2)根據分類目標和分類標簽，將提取的加密流量的應用特征、用戶行為特征和通用用戶行為特征，分別輸入應用分類模型、用戶行為分類模型和通用用戶行為分類模型，得到相應的分類；其中，所述應用特征包括：時間序列和包長分布；所述用戶行為特征包括：去中心化應用特征、行為敏感特征和優化特征；所述通用用戶行為特征包括：去中心化應用特征、通用行為敏感特征、統計特征和序列特征；所述去中心化應用特征包括：時間序列和包長分布；所述行為敏感特征包括：字節分布、包到達總時間、包到達平均時間；所述優化特征包括：優化后的包到達間隔序列；所述通用行為敏感特征包括：字節分布；所述統計特征包括：上下行包數、第一個包到達時間、包到達間隔序列、字節速率變化和包速率；所述序列特征包括：上行時間序列和下行時間序列；通過以下步驟得到應用分類模型、用戶行為分類模型和通用用戶行為分類模型：

a)收集已知去中心化應用、已知用戶行為分類和已知通用用戶行為分類的樣本加密流量，并對各樣本加密流量標記應用、用戶行為和通用用戶行為的分類標簽；

b)針對不同的分類標簽，提取樣本加密流量的樣本應用特征、樣本用戶行為特征和樣本通用用戶行為特征；

c)對樣本應用特征、樣本用戶行為特征和樣本通用用戶行為特征，分別進行機器學習分類器訓練，得到應用分類模型、用戶行為分類模型和通用用戶行為分類模型。

2.如權利要求1所述的方法，其特征在于，提取加密流量的應用特征、用戶行為特征和通用用戶行為特征之前，對加密流量進行預處理；所述預處理包括：過濾沒有Client Hello包或無SNI字段的加密流量、過濾各加密流量中的ACK包和重傳數據包。

3.如權利要求1所述的方法，其特征在于，將提取的加密流量的應用特征、用戶行為特征和通用用戶行為特征分別輸入應用分類模型、用戶行為分類模型和通用用戶行為分類模型之前，對應用特征、用戶行為特征和通用用戶行為特征進行預處理；所述預處理包括：去除全零列和歸一化。

4.如權利要求1所述的方法，其特征在于，所述已知去中心化應用包括：市場類、社交類、財產類、交易類和媒體類；所述市場類包括：Superrare、Thomas Crown Art和Knownorigin；所述社交類包括：Editional、Cryptoboiler、Ethlance和Crowdholding；所述財產類包括：John Orion Young和Staybit；所述交易類包括：Latium；所述媒體類包括：Viewly；所述已知用戶行為分類包括：評論、關注、點贊、搜索、加入購物車、租用、發表問題、提交求職申請、提交招聘申請、看視頻、上傳視頻、查看用戶詳細信息、查看物品詳細信息、瀏覽商店和瀏覽活動；所述已知通用用戶行為分類包括：打開去中心化應用、瀏覽市場、查看詳細信息、關注、點贊、提交申請表、搜索、查看用戶首頁、查看去中心化應用中活動、加入購物車、看視頻、評論、查看去中心化應用介紹、刷新購物車和其他行為。

5.如權利要求1所述的方法，其特征在于，所述機器學習分類器包括：決策樹模型、梯度提升決策樹模型或隨機森林模型。

6.如權利要求5所述的方法，其特征在于，根據分類的準確率和召回率，選擇決策樹模型、梯度提升決策樹模型或隨機森林模型。

7.如權利要求6所述的方法，其特征在于，得到分類的準確率和召回率的方法包括：十折交叉驗證方法。

8.一種基于去中心化應用加密流量特征的多場景分類系統，包括：

1)去中心化應用流量收集模塊，用以收集加密的去中心化應用流量，并對各加密流量標記應用、用戶行為和通用用戶行為的分類標簽；

2)多場景下加密流量特征提取模塊，用以根據分類目標和分類標簽，提取加密流量的應用特征、用戶行為特征和通用用戶行為特征；

3)多場景下加密流量分類模塊，用以將提取的加密流量的應用特征、用戶行為特征和通用用戶行為特征，分別輸入應用分類模型、用戶行為分類模型和通用用戶行為分類模型，得到相應的分類；其中，所述應用特征包括：時間序列和包長分布；所述用戶行為特征包括：去中心化應用特征、行為敏感特征和優化特征；所述通用用戶行為特征包括：去中心化應用特征、通用行為敏感特征、統計特征和序列特征；所述去中心化應用特征包括：時間序列和包長分布；所述行為敏感特征包括：字節分布、包到達總時間、包到達平均時間；所述優化特征包括：優化后的包到達間隔序列；所述通用行為敏感特征包括：字節分布；所述統計特征包括：上下行包數、第一個包到達時間、包到達間隔序列、字節速率變化和包速率；所述序列特征包括：上行時間序列和下行時間序列；

通過以下步驟得到應用分類模型、用戶行為分類模型和通用用戶行為分類模型：

a)收集已知去中心化應用、已知用戶行為分類和已知通用用戶行為分類的樣本加密流量，并對各樣本加密流量標記應用、用戶行為和通用用戶行為的分類標簽；

b)針對不同的分類標簽，提取樣本加密流量的樣本應用特征、樣本用戶行為特征和樣本通用用戶行為特征；

c)對樣本應用特征、樣本用戶行為特征和樣本通用用戶行為特征，分別進行機器學習分類器訓練，得到應用分類模型、用戶行為分類模型和通用用戶行為分類模型。