基于卷积神经网络的P2P流量的识别方法及相关装置制造方法及图纸

本申请公开了一种基于卷积神经网络的P2P流量的识别方法，包括获取流量数据；将所述流量数据转化为图像数据并将所述图像数据划分为训练集与测试集；基于所述训练集中的所述图像数据进行卷积神经网络训练与分类器训练；利用训练完成的卷积神经网络提取所述测试集中的所述图像数据的深度特征并利用所述分类器基于所述深度特征识别P2P流量。该识别方法把流量识别问题转化为图像识别问题，利用卷积神经网络能够高效、准确的识别P2P流量，对网络管理与安全具有重大意义。本申请还公开了一种基于卷积神经网络的P2P流量的识别装置、设备以及计算机可读存储介质，均具有上述技术效果。

Recognition Method and Related Devices of P2P Traffic Based on Convolutional Neural Network

【技术实现步骤摘要】
基于卷积神经网络的P2P流量的识别方法及相关装置
本申请涉及流量分析
，特别涉及一种基于卷积神经网络的P2P流量的识别方法；还涉及一种基于卷积神经网络的P2P流量的识别装置、设备以及计算机可读存储介质。
技术介绍
P2P(peer-to-peer)网络，又称对等网络，是不同计算机系统之间可以通过直接交换实现包括网络带宽、计算能力、磁盘空间和人力资源等资源和服务共享的分布式网络结构。P2P网络具有均衡负载的功能和避免单点故障的优点。因此，P2P网络被广泛应用于各种领域。近年来，P2P流量占互联网总流量比例可达60％以上。同时，P2P技术的快速发展和应用加剧了网络的拥堵情况，垃圾邮件、钓鱼网站等网络攻击行为也越来越多，网络安全和管理受到严重的威胁。因此，为了遏制和解决上述问题，网络运营与管理者必须要对P2P流量进行有效控制，而有效控制的前提和基础则是高效准确地识别出P2P流量。目前，针对P2P流量的识别方法包括基于端口、载荷特征和连接模式等的识别方法与基于统计特征的识别方法。其中，越来越多的P2P应用和恶意软件使用动态随机或伪装的合法端口号，使得基于端口的识别方法对P2P流量的识别本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的P2P流量的识别方法，其特征在于，包括：获取流量数据；将所述流量数据转化为图像数据，并将所述图像数据划分为训练集与测试集；基于所述训练集中的所述图像数据进行卷积神经网络训练与分类器训练；利用训练完成的卷积神经网络提取所述测试集中的所述图像数据的深度特征并利用所述分类器基于所述深度特征识别P2P流量。

【技术特征摘要】
1.一种基于卷积神经网络的P2P流量的识别方法，其特征在于，包括：获取流量数据；将所述流量数据转化为图像数据，并将所述图像数据划分为训练集与测试集；基于所述训练集中的所述图像数据进行卷积神经网络训练与分类器训练；利用训练完成的卷积神经网络提取所述测试集中的所述图像数据的深度特征并利用所述分类器基于所述深度特征识别P2P流量。2.根据权利要求1所述的识别方法，其特征在于，所述将所述流量数据转化为图像数据，包括：以流量为单位，基于所述流量中各数据包的负载字节的数值得到第一数据矩阵；以流量为单位，基于所述流量中各数据包的负载字节的个数得到第二数据矩阵。3.根据权利要求2所述的识别方法，其特征在于，所述获取流量数据，包括：通过Wireshark软件获取所述流量数据。4.根据权利要求3所述的识别方法，其特征在于，所述卷积神经网络为卷积神经网络InceptionV3。5.根据权利要求4所述的识别方法，其特征在于，所述分类器为支持向量机。6.一种基于卷积神经网络的P2P流量的识别装置，其特征在于，包括：获取模块，用于获取流量数据；转化模块，用于将所述流量数据转化为图像数据，并将所...

【专利技术属性】
技术研发人员：叶武剑，吴荣华，刘怡俊，刘文杰，王峰，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44