一种自动化挖掘比特粒度特征的网络流量分类与应用识别方法技术

本发明专利技术公开了自动化挖掘比特粒度特征的网络流量分类与应用识别方法。该方法包括：步骤1，创建指定网络应用流量的事项数据库Dold；步骤2，建立指定哈希表Bit-Table，产生新事项数据库Dnew；步骤3，构建基于Dnew的前缀树Miner-Tree；步骤4，基于最小支持度和最小置信度的剪枝，形成比特粒度特征；步骤5，基于比特粒度特征的网络应用流量识别。

【技术实现步骤摘要】

本专利技术涉及网络流量分类技术，特别涉及一种基于比特粒度的网络流量分类技术以及自动化挖掘指定应用流量中比特粒度特征的方法。
技术介绍
随着互联网技术的不断发展和网络用户的不断增长，基于特征匹配的网络流量识别与分类方法由于其准确性和稳定性在网络管理和安全审计等方面发挥了极其重要的作用，例如包括网络服务质量优化和网络入侵检测等。然而，随着网络应用在互联网流量中复杂性和隐蔽性的逐渐增强，传统的基于字节粒度特征匹配的网络流量分类方法逐渐失去其效力。与此同时，随着网络应用数目的不断增长和版本更新的日益频繁，传统的依靠人工发现特征的方法由于耗时耗力而无法及时更新和应用，导致网络流量的精确分类和应用识别面临极大的挑战。因此，研究和实现更加细粒度的基于特征匹配的网络流量分类与应用识别方法并实现其特征的自动化挖掘，已成为相关学术界和工业界关注的热点问题。关联规则，属于数据挖掘的一个重要课题，用于从大量数据中挖掘出有价值的数据项之间的关系。其中涉及的定义如下:设I = U1, I2, I3,…，IJ是项(Item)的集合，给定一个事项数据库D = (T1, T2, T3,…，Tj，其中每个事务本文档来自技高网...

【技术保护点】
一种自动化挖掘比特粒度特征的网络流量分类与应用识别方法，其特征在于，包括：步骤1，创建指定网络应用流量的事项数据库Dold；步骤2，建立指定哈希表Bit‑Table，产生新事项数据库Dnew；步骤3，构建基于Dnew的前缀树Miner‑Tree；步骤4，基于最小支持度和最小置信度的剪枝，形成比特粒度特征；步骤5，基于比特粒度特征的网络应用流量识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：卢永强，袁振龙，王秋晨，
申请(专利权)人：卢永强，袁振龙，王秋晨，
类型：发明
国别省市：北京;11