-
公开(公告)号:CN116781543A
公开(公告)日:2023-09-19
申请号:CN202310749051.3
申请日:2023-06-21
Applicant: 东南大学
IPC: H04L43/026 , H04L43/028 , H04L43/0876 , H04L43/12 , H04L43/00 , H04L9/40 , G06N3/047 , G06N3/048 , G06N3/0499 , G06N3/084 , G06F18/214 , G06F18/2415
Abstract: 本发明公开了一种面向网络管理设备的轻量级加密流量快速识别方法。本方法包含一个基于IP数据包的加密流量预处理方法与一个低参数量的神经网络模型。基于IP数据包的加密流量预处理方法主要包括流量采集与划分、报文过滤、数据包截断、数据包字节序列分词、数据集划分5个步骤。低参数量的神经网络模型主要包括2个模块,一是数据包表征模块用于对预处理后的IP数据包进行有效表征,二是分类模块用于对数据包表征进行准确地分类识别。本方法的模型参数量少,时间开销较低,适用于网络流量的实时监测;在不依赖高性能网络管理设备的前提下能够准确识别网络加密流量,为实现网络管理,增强用户体验提供基础。
-
公开(公告)号:CN115174198A
公开(公告)日:2022-10-11
申请号:CN202210768482.X
申请日:2022-07-01
Applicant: 东南大学
Abstract: 本发明设计一种基于特征优化的开源代理软件流量识别方法,该方法构建基于云的大规模流量采集与处理平台以生成完整的高质量数据集,根据机器学习理论和特征优化思想建立了具有3个独立任务的高效识别方案,并将该方案应用于完整流识别。基于云的大规模流量采集平台主要包括开源代理服务的搭建、用户行为模拟脚本的编写、服务器端流量的采集与存储、流量数据的预处理。基于特征优化的流量识别方案一方面定义了三个分类任务来实现不同角度及粒度的监管,另一方面提出了一种基于双维度的两阶段特征选择算法(TT)来为不同的识别任务构造在不同分类器下的最优特征子集,在保障分类性能的前提下满足了快速落地检测的要求。
-