[發明專利]基于混合特征的加密流量分類方法

在審

• 申請號: 202110062223.0
• 申請日: 2021-01-18
• 公開（公告）號: CN112910853A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 翟江濤;許歷隆;崔永富;林鵬;陳偉;王勤凡
• 申請（專利權）人: 南京信息工程大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/851;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于混合特征的加密流量分類方法，其特征在于，包括以下步驟：

(1)從網絡數據流中進行數據采集；

(2)對采集的數據進行預處理；

(3)搭建卷積神經網絡模型；

(4)將預處理后的數據輸入卷積神經網絡模型，提取出一維高層抽象特征向量V1；

(5)將預處理后的數據提取出一維流級特征向量V2；

(6)將一維高層抽象特征向量V1和一維流級特征向量V2進行組合，生成混合特征向量；

(7)將混合特征向量導入SVM中進行訓練，并輸出分類結果。

2.根據權利要求1所述的基于混合特征的加密流量分類方法，其特征在于，步驟(1)中，所述數據采集是使用Wireshark進行流量的捕獲并生成原始PCAP文件，再按照五元組對捕獲的流量包進行分流，形成原始實驗數據集。

3.根據權利要求1所述的基于混合特征的加密流量分類方法，其特征在于，步驟(2)中，所述預處理是保留含有有效負載的數據流，并對少于m個字節的數據流進行補零，對超過的m個字節的數據流進行截斷，將處理好的數據流進行歸一化并生成k*k的包字節矩陣，最終制作成灰度圖像集。

4.根據權利要求1所述的基于混合特征的加密流量分類方法，其特征在于，步驟(3)中，所述搭建卷積神經網絡模型是基于三個卷積層，兩個最大池化層與全連接層搭建模型，其中結構為卷積C1-池化S2-卷積C3-池化S4-卷積C5-全連接F6。

5.根據權利要求1所述的基于混合特征的加密流量分類方法，其特征在于，步驟(4)中，所述提取出一維高層抽象特征向量V1是將灰度圖像集樣本輸入至模型訓練，最后從全連接層中提取出1*n的一維特征向量。

6.根據權利要求1所述的基于混合特征的加密流量分類方法，其特征在于，步驟(5)中，所述提取出一維流級特征向量V2是通過scapy模塊解析每條流并提取相應特征，所述特征包括流包到達時間間隔，流的持續時間，擁塞窗口大小的總和，包的數目、速率，包的長度，包頭部長度。

7.根據權利要求1所述的基于混合特征的加密流量分類方法，其特征在于，步驟(6)中，所述組合是根據五元組，對每條流進行特征向量組合，最后生成1*(n+60)的混合特征向量。

8.根據權利要求1所述的基于混合特征的加密流量分類方法，其特征在于，步驟(7)中，所述SVM采用高斯核函數為核函數，容忍度C設置為0.7-0.9。