公开(公告)号：CN112839051B

公开(公告)日：2023-11-03

申请号：CN202110081372.1

申请日：2021-01-21

Applicant: 北京工业大学

Inventor： 张建标 ,  赵宝霖 ,  公备

IPC: H04L9/40 ,  H04L41/14 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于卷积神经网络的加密流量实时分类方法及装置，该方法包括：在每一条加密流量中采样预设数量的数据包；将采样得到的数据包作为字节流，任意相连两个字节作为一个字节对，并确定所有字节对的频率特征；将所有字节对的频率特征，输入预训练的卷积神经网络模型，输出每一条加密流量的数据流类型。该方法对加密流量的原始字节信息采用基于频率特征的表示，而非原始字节直接构造输入特征，从而使卷积神经网络的学习效果加强，分类准确度更高。此外，采样的数据包数量可以根据实际流量捕获情况调整，而不需要重新设计网络模型的结构，具有更好的适用性。由于采用了字节对的频率特征，从而分类所需数据包少，有利于数据分类的实时性。

公开(公告)号：CN112839051A

公开(公告)日：2021-05-25

申请号：CN202110081372.1

申请日：2021-01-21

Applicant: 北京工业大学

Inventor： 张建标 ,  赵宝霖 ,  公备

IPC: H04L29/06 ,  H04L12/24 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于卷积神经网络的加密流量实时分类方法及装置，该方法包括：在每一条加密流量中采样预设数量的数据包；将采样得到的数据包作为字节流，任意相连两个字节作为一个字节对，并确定所有字节对的频率特征；将所有字节对的频率特征，输入预训练的卷积神经网络模型，输出每一条加密流量的数据流类型。该方法对加密流量的原始字节信息采用基于频率特征的表示，而非原始字节直接构造输入特征，从而使卷积神经网络的学习效果加强，分类准确度更高。此外，采样的数据包数量可以根据实际流量捕获情况调整，而不需要重新设计网络模型的结构，具有更好的适用性。由于采用了字节对的频率特征，从而分类所需数据包少，有利于数据分类的实时性。