[發明專利]一種基于注意力機制的移動應用行為識別方法

有效

• 申請號: 202110179927.6
• 申請日: 2021-02-08
• 公開（公告）號: CN112817587B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 張文君;陳丹偉
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F8/36
• 分類號: G06F8/36;G06F11/36;G06N3/04;G06N3/08
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 彭雄

本文發明公開了一種基于注意力機制的移動應用行為識別方法。包括以下步驟：設計自動化測試腳本；使用appium作為自動化測試平臺，在真機上運行自動化腳本；使用抓包軟件進行流量獲取；將流量進行清洗、切割后，生成灰度圖；用深度可分離卷積神經網絡對灰度圖進行初步的特征提取，并擴展圖片通道數；將特征圖經由注意力機制進一步進行特征提取；重復深度可分離卷積和注意力機制的步驟，最后輸出流量的所屬的應用行為分類。本發明實現了高效且準確的移動應用識別方法。

技術領域

本發明涉及一種基于注意力機制的移動應用行為識別方法，屬于深度學習技術領域。

背景技術

隨著移動設備越來越智能，我們將越來越多的功能從電腦移到了手機上實現。與此同時，5G已經開始漸漸進入我們的生活，網絡性能的大幅提升將能夠對更多的業務提供支持，我們可以預料到5G將對移動端應用市場蓬勃發展起到極大的促進作用。

我們在使用每個移動端的應用時會產生各種各樣的網絡流量，而通過分析這些流量可以給我們帶來很多信息，比如我們通過分析這些流量的應用時別，那么我們可以對用戶的行為作出分析，或者是對某個地區某個年齡的用戶的行為作出分析，從而實現更好的推薦，此外通過對移動端流量的分析，我們還可以利用這個分類模型，對一些有惡性行為的應用盡早發現并進行區分，從而及時避免出現安全問題，例如個人信息泄漏或者惡意監聽等情況，盡早采取措施，保障網絡的安全。

目前大部分的流量識別還是依賴于手動提取特征，但是這樣的分類方法的可擴展性和自動化能力還是不夠。隨著深度學習這幾年的蓬勃發展，深度學習也漸漸被應用于移動端的應用分類。用深度學習來進行分類，可以在特征的選擇方面更加靈活，同時，在面對新的分類任務時可以更快的適應和調整。網絡流量識別作為網絡安全的基礎工作，在網絡資源管理和異常流量檢測中起著重要的作用，而一些異常的網絡行為都是偶發的，對于不同環境異常行為的定義也不一樣，面對類似的小樣本問題，且這些對于網絡的安全或者是管理又是至關重要的，那么將深度學習中用于處理小樣本問題的元學習與流量分類相結合的研究方向是具有實際意義的。

發明內容

發明目的：為了克服現有技術中存在的不足，本發明提供一種基于注意力機制的移動應用行為識別方法，本方法采用深度可分離卷積結合注意力機制，并提出了一種新型融合了通道注意力和空間注意力的機制，實現了高效且準確的移動應用識別方法。

技術方案：為實現上述目的，本發明采用的技術方案為：

一種基于注意力機制的移動應用行為識別方法，設計自動化測試腳本；使用appium作為自動化測試平臺，在真機上運行自動化腳本；使用抓包軟件進行流量獲取；將流量進行清洗、切割后，生成灰度圖；用深度可分離卷積神經網絡對灰度圖進行初步的特征提取，并擴展圖片通道數；將特征圖經由注意力機制進一步進行特征提取；重復深度可分離卷積和注意力機制的步驟，最后輸出流量的所屬的應用行為分類。具體有以下步驟：

步驟1:數據集采集階段：采集移動應用種類及移動應用行為得到數據流量；

步驟2:數據流量預處理階段

步驟2-1:首先進行數據流量的清洗和篩選，這一步是為了清除掉一些無關的流量數據包，其中包括了超時重傳的數據包、用于建立接連的三次確認和斷開連接的四次確認數據包，和無關的ARP、DHCP等數據包；

步驟2-2:進行數據流量切分得到單個行為的流量數據；

步驟2-3:為了解決在使用機器學習時存在的，如何選擇特征的問題，對單個行為的流量數據采用直接生成灰度圖的方式，同時采用圖片的方式擴大對行為數據整體的感受和對空間信息的掌握。

步驟3:行為識別階段

步驟3-1:首先采用32個3*3的卷積核，對流量灰度圖進行初步的特征提取得到初步特征圖，擴大圖片的通道數量，輸出多通道的Feature Map；