[發明專利]一種基于圖神經網絡的包粒度網絡流量分類方法有效
| 申請號： | 202211066931.2 | 申請日： | 2022-09-01 |
| 公開（公告）號： | CN115442309B | 公開（公告）日： | 2023-06-09 |
| 發明（設計）人： | 胡光武;毛科龍;但唐仁;廖龍;延霞;劉云霞 | 申請（專利權）人： | 深圳信息職業技術學院 |
| 主分類號： | H04L47/2441 | 分類號： | H04L47/2441;G06F18/241;G06N3/042;G06N3/0442;G06N3/08 |
| 代理公司： | 深圳新創友知識產權代理有限公司 44223 | 代理人： | 江耀鋒 |
| 地址： | 518000 廣東省深圳市*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 神經網絡 粒度 網絡流量 分類 方法 | ||
1.一種基于圖神經網絡的包粒度網絡流量分類方法，其特征在于，包括如下步驟：
S1、數據包圖構建：將數據包內的字節作為節點，字節與字節間的相關信息作為邊，來將數據包轉換為一個無向圖，得到數據包圖；
S2、表征學習：利用兩層圖卷積網絡學習所述數據包圖中每個節點的表征，最終所有節點將收斂到各自的新的節點表征，并將這些節點的表征進行聚合，得到所述數據包圖的表征；節點表征的更新公式為：
其中，矩陣是新學習到的節點表征；矩陣其中D為數據包圖的鄰接矩陣，為數據包圖的度矩陣；矩陣H∈Rn×256表示字節節點的初始表征；均為參數矩陣；k1和k2分別是W(0)和W(1)的列維度；n為節點個數；R為實數；
S3、分類：將所述數據包圖的表征送入分類層，輸出網絡流量分類結果。
2.如權利要求1所述的基于圖神經網絡的包粒度網絡流量分類方法，其特征在于，在步驟S1之前，還包括對數據包進行預處理的步驟S01～S04：
S01、只保留有效載荷的數據包；
S02、去掉數據包的以太網報頭和剩余的IP、傳輸報頭和上層的有效載荷；
S03、對于大于110字節的報文，保留前110字節，丟棄其余的字節；
S04、匿名化源IP地址和目的IP地址以及端口。
3.如權利要求1所述的基于圖神經網絡的包粒度網絡流量分類方法，其特征在于，在步驟S1中，用點互信息來表征字節與字節間的相關信息。
4.如權利要求3所述的基于圖神經網絡的包粒度網絡流量分類方法，其特征在于，步驟S1中，通過求解數據包內任意兩個字節之間的點互信息，來在點互信息為正值的節點之間構建邊。
5.如權利要求4所述的基于圖神經網絡的包粒度網絡流量分類方法，其特征在于，數據包內的任意兩個字節a與b之間的點互信息PMI(a,b)采用如下方式計算：
其中，#W為數據包字節序列中滑動窗口的總數，#W(a)是包含字節a的窗口數，#W(b)是包含字節b的窗口數，#W(a，b)是字節a與b同時出現的窗口數。
6.如權利要求1所述的基于圖神經網絡的包粒度網絡流量分類方法，其特征在于，步驟S2中，采用均值法、注意力機制法或長短期記憶網絡法來對所述數據包圖中所有節點的表征進行聚合。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳信息職業技術學院，未經深圳信息職業技術學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211066931.2/1.html，轉載請聲明來源鉆瓜專利網。
