一种网络流量识别方法及装置制造方法及图纸

本发明专利技术提供了一种网络流量识别方法及装置，该方法包括：基于获取到的待识别流量的连续特征，采用多元相关分析得到连续流量图；基于获取到的待识别流量的离散特征，采用独热编码和实体嵌入得到离散流量图；将连续流量图输入卷积神经网络得到连续流量图值；将离散流量图输入因子分解机，得到离散流量图值；将连续流量图值和离散流量图值输入归一化指数函数，获得待识别流量的类型。本发明专利技术提供的方法不仅适用于字节形式的原始网络流量，也适用于基于原始网络流量进行特征提取及组合后的非字节网络流量，增大了网络流量识别方法的应用范围，提高了网络流量识别的精确性。

【技术实现步骤摘要】
一种网络流量识别方法及装置
本专利技术涉及通信网络
，特别是涉及一种网络流量识别方法及装置。
技术介绍
随着网络技术的发展，这为业务类型的多样化带来了巨大挑战。识别每种业务的类型，也就是识别每种网络流量的类型，成为网络学术研究和部署运营的关注重点。网络流量是记录和反映网络及其用户活动的重要载体，网络流量识别可用于网络态势的评估、应用程序的发展分析以及精细化运营等。随着业务类型的多样化，动态端口以及加密流量的出现使得基于端口或有效载荷的网络流量识别技术受限，智能化的网络流量识别是当前重点研究思路，如通过传统的机器学习方法进行网络流量识别。传统的机器学习方法基于统计特征的提取与组合实现了网络流量的识别，避免了动态端口以及加密流量技术的限制，但是传统的机器学习方法需要人为主观确定特征的选择与组合方式，使得流量识别的效率及准确性较低。所以，目前的一种新型研究思路是将深度学习中的图像分类引入流量识别中，利用表征学习实现流量特征到像素点的转换从而实现网络流量识别，如将字节形式的原始流量数据包以灰度图的形式表示，通过对灰度图的分类实现网本文档来自技高网...

【技术保护点】
1.一种网络流量识别方法，其特征在于，所述方法包括：/n基于获取到的待识别流量的连续特征，采用多元相关分析将所述连续特征映射成像素值，得到连续流量图；/n基于获取到的所述待识别流量的离散特征，采用独热编码和实体嵌入将所述离散特征映射成像素值，得到离散流量图；/n将所述连续流量图输入卷积神经网络得到连续流量图值，所述卷积神经网络用于对所述连续特征进行高阶组合；/n将所述离散流量图输入因子分解机，得到离散流量图值，所述因子分解机用于对所述离散特征进行低阶组合；/n将所述连续流量图值和所述离散流量图值输入归一化指数函数，获得所述待识别流量的类型。/n

【技术特征摘要】
1.一种网络流量识别方法，其特征在于，所述方法包括：
基于获取到的待识别流量的连续特征，采用多元相关分析将所述连续特征映射成像素值，得到连续流量图；
基于获取到的所述待识别流量的离散特征，采用独热编码和实体嵌入将所述离散特征映射成像素值，得到离散流量图；
将所述连续流量图输入卷积神经网络得到连续流量图值，所述卷积神经网络用于对所述连续特征进行高阶组合；
将所述离散流量图输入因子分解机，得到离散流量图值，所述因子分解机用于对所述离散特征进行低阶组合；
将所述连续流量图值和所述离散流量图值输入归一化指数函数，获得所述待识别流量的类型。


2.根据权利要求1所述的方法，其特征在于，所述基于获取到的待识别流量的连续特征，采用多元相关分析将所述连续特征映射成像素值，得到连续流量图的步骤，包括：
将所述待识别流量的每一连续特征输入标准差标准化函数，得到标准化后的连续特征；
计算每两个标准化后的连续特征之间的相关性；
根据所述每两个标准化后的连续特征间的相关性，确定所述连续特征对应的相关性矩阵；
将所述相关性矩阵中每一元素的值映射至灰度图中像素点的取值范围之间，得到所述相关性矩阵中每一元素对应的像素值；
利用所述相关性矩阵中每一元素对应的像素值，生成所述连续流量图。


3.根据权利要求2所述的方法，其特征在于，所述计算每两个标准化后的连续特征之间的相关性的步骤，包括：
利用以下公式，计算每两个标准化后的连续特征间的相关性：



其中，ri，j为连续特征xi标准化后的取值与连续特征xj标准化后的取值间的相关性，xnormalization_i为所述连续特征xi标准化后的取值，xnormalization_j为连续特征xj标准化后的取值，p为所述待识别流量的连续特征的总数量。


4.根据权利要求1所述的方法，其特征在于，所述基于获取到的所述待识别流量的离散特征，采用独热编码和实体嵌入将所述离散特征映射成像素值，得到离散流量图的步骤，包括：
采用实体嵌入对所述离散特征中第一类特征进行向量化处理，得到第一处理后特征值，所述第一类特征为取值数量大于预设取值数量阈值的离散特征；
采用独热编码对所述离散特征中第二类特征进行编码处理，得到第二处理后特征值，所述第二类特征为取值数量小于等于所述预设取值数量阈值的离散特征；
将所述第一处理后特征值和所述第二处理后特征值分别映射至灰度图中像素点的取值范围之间，得到每一离散特征对应的像素值；
利用所述每一离散特征对应的像素值，生成所述离散流量图。


5.根据权利要求4所述的方法，其特征在于，所述采用实体嵌入对所述离散特征中第一类特征进行向量化处理，得到第一处理后特征值的步骤，包括：
根据每一第一类特征的取值数量，计算所述每一第一类特征的向量维度；
获取所述每一第一类特征的取值在所述向量维度上的向量元素值；
对所述每一第一类特征对应的向量元素值进行标准化处理，得到标准化后的向量元素值，所述标准化后的向量元素值在灰度图中像素点的取值范围之间，所述标准化后的向量元素值为所述第一处理后特征值。


6.根据权利要求5所述的方法，...

【专利技术属性】
技术研发人员：胡博，陈山枝，朱轶凡，汪劲希，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11