[發明專利]一種基于網絡流量的暗網用戶行為檢測方法和系統

在審

• 申請號: 202011061010.8
• 申請日: 2020-09-30
• 公開（公告）號: CN112202782A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 鄒福泰;胡煜宗;章思宇;姜開達
• 申請（專利權）人: 上海交通大學
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 上海旭誠知識產權代理有限公司 31220
• 代理人: 鄭立

1.一種基于網絡流量的暗網用戶行為檢測方法，其特征在于，包括以下步驟：

步驟1、數據流量采集：部署暗網數據采集點，模擬并采集用戶行為流量；

步驟2、數據預處理：針對采集到的網絡流量文件，進行數據預處理操作，將連續的流量文件轉化為可供模型輸入的特征向量；

步驟3、層次分類模型訓練：利用預處理后的流量數據集采用層次分類算法進行模型訓練與測試。

2.如權利要求1所述的基于網絡流量的暗網用戶行為檢測方法，其特征在于，所述暗網包括Tor、I2P、ZeroNet、Freenet。

3.如權利要求1所述的基于網絡流量的暗網用戶行為檢測方法，其特征在于，所述用戶行為包括網頁瀏覽、聊天軟件、Email、文件傳輸、P2P傳輸、視頻流、音頻流、語音通話。

4.如權利要求1所述的基于網絡流量的暗網用戶行為檢測方法，其特征在于，所述數據預處理包括數據流分割，流特征提取，數據歸一化。

5.如權利要求4所述的基于網絡流量的暗網用戶行為檢測方法，其特征在于，所述流特征提取，提取的特征包括流持續時間、流活躍時間、數據包速率。

6.如權利要求1所述的基于網絡流量的暗網用戶行為檢測方法，其特征在于，所述步驟3在模型訓練過程中采用了層次分類的方法，按層次將分類問題拆分到6個基分類器，所述基分類器相互獨立且互不干擾，通過分別比較了機器學習算法和深度學習算法的性能，確定了暗網應用場景下各所述基分類器的識別模型，進而構成最終的層次分類模型。

7.如權利要求6所述的基于網絡流量的暗網用戶行為檢測方法，其特征在于，所述機器學習算法包括LR,DT,RF,GBDT,XGBoost,LightGBM。

8.如權利要求6所述的基于網絡流量的暗網用戶行為檢測方法，其特征在于，所述深度學習算法包括MLP,LSTM。

9.一種基于網絡流量的暗網用戶行為檢測系統，其特征在于，包括數據采集模塊、特征提取模塊、模型訓練模塊；

所述數據采集模塊：部署暗網的數據采集點，模擬并采集用戶行為流量，為模型訓練提供樣本；

所述特征提取模塊：針對采集到的網絡流量文件，進行數據預處理操作，將連續的流量文件轉化為可供模型輸入的特征向量；

所述模型訓練模塊：利用預處理后的流量數據集進行模型的訓練與測試，采用三層的層次分類模型，首先識別是否為暗網流量，再判斷為哪一種暗網，最后識別是哪種用戶行為。

10.如權利要求9所述的基于網絡流量的暗網用戶行為檢測系統，其特征在于，所述特征提取模塊進行的數據預處理操作包括數據流分割，流特征提取，數據歸一化。