[發明專利]一種基于深度學習的網絡加密流量識別方法、裝置及設備

有效

• 申請號: 202110439430.3
• 申請日: 2021-04-23
• 公開（公告）號: CN113132397B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 舒志旭;吉秉彧;黃浩;聶小璠
• 申請（專利權）人: 信陽農林學院
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/0442;G06N3/0464;G06N3/045;G06N3/048;G06N3/0895;G06F18/2415
• 代理公司: 蘇州國卓知識產權代理有限公司 32331
• 代理人: 江舟

1.一種基于深度學習的網絡加密流量識別方法，其特征在于，包括：

對移動流量數據進行預處理操作，得到預處理數據；

對所述預處理數據進行數據歸一化處理，對數據歸一化處理后的數據進行卷積操作，采用線性流函數作為激活函數對得到的卷積結果計算，并對得到的計算結果進行分類，得到分類結果；

所述對移動流量數據進行預處理操作，得到預處理數據，包括：

從移動流量數據中獲取所有流量的消息頭部及消息實體，組合使用所有流量的消息頭部和實體作為待標準化數據；使用S_req和S_res分別表示請求消息和響應消息的消息實體，⊕為字符連接符，(H)^*為頭部域組，每一種數據符號都包含了每行末尾的回車換行符；

待標準化數據為：

對所述待標準化數據除去不同組成成分之間的回車換行符進行標準化數據處理；

對得到的標準化處理結果進行類圖像轉換，得到預處理數據。

2.如權利要求1所述的方法，其特征在于，

所述對移動流量數據進行預處理操作，得到預處理數據，包括：

從移動流量數據中獲取消息的起始行和頭部域作為有效數據，轉換為標準化矩陣；

將標準化處理得到的標準化矩陣進行轉換操作，即將字符轉換成類圖片格式的二維數值矩陣，得到預處理數據。

3.如權利要求1所述的方法，其特征在于，

所述對所述待標準化數據除去不同組成成分之間的回車換行符進行標準化數據處理，包括：

對待標準化處理數據的每一行，若行字符小于矩陣的行元素數量，則使用相應數量的字符補；若行字符數大于等于行元素數量，則丟棄多余字符；

若行數不足，則使用每行若干個NUL字符補充相應行數；若行數大于等于行數，則丟棄多余行數。

4.如權利要求1所述的方法，其特征在于，

所述對預處理數據進行數據歸一化處理，包括：

將預處理數據進行歸一化處理得到歸一為[0,1]的數據。

5.如權利要求1所述的方法，其特征在于，

所述對數據歸一化處理后的數據進行卷積操作，采用線性流函數作為激活函數對卷積結果計算，對得到的計算結果進行分類，包括：

輸入層、卷積層、池化層、全連接層以及輸出層對預處理數據進行處理操作，最終實現對移動流量數據的分類識別。

6.如權利要求5所述的方法，其特征在于，

所述方法包括，采用卷積層提取圖像邊緣、像素關系特征。

7.一種基于深度學習的網絡加密流量識別裝置，其特征在于，包括：

預處理模塊，用于對移動流量數據進行預處理操作，得到預處理數據；

模型處理模塊，用于對所述預處理數據進行數據歸一化處理，對數據歸一化處理后的數據進行卷積操作，采用線性流函數作為激活函數對得到的卷積結果計算，并對得到的計算結果進行分類，得到分類結果；

所述對移動流量數據進行預處理操作，得到預處理數據，包括：

從移動流量數據中獲取所有流量的消息頭部及消息實體，組合使用所有流量的消息頭部和實體作為待標準化數據；使用S_req和S_res分別表示請求消息和響應消息的消息實體，⊕為字符連接符，(H)^*為頭部域組，每一種數據符號都包含了每行末尾的回車換行符；

待標準化數據為：

對所述待標準化數據除去不同組成成分之間的回車換行符進行標準化數據處理；

對得到的標準化處理結果進行類圖像轉換，得到預處理數據。

8.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，

所述處理器執行所述程序時實現權利要求1-6任一項所述方法的步驟。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有程序，所述程序被執行時，能夠實現如權利要求1-6任一項所述的方法。