一种网络流量识别方法及系统技术方案

本申请提供了一种网络流量识别方法及系统，用于将十六进制的第一网络流量数据转换为二进制的第二网络流量数据，并将第二网络流量数据通过映射规则映射成灰度图数据；采用L2约束的三元组残差网络L2

【技术实现步骤摘要】
一种网络流量识别方法及系统


[0001]本申请涉及网络安全
，尤其涉及一种网络流量识别方法及系统。

技术介绍

[0002]在网络安全领域中，网络流量携带了网络应用的行为特性并且是表征网络应用属性的重要载体。随着网络流量的急剧增长，越来越多的加密网络流量以及私有协议大量涌现，因此，一种能够提高流量识别准确率和自动化程度的网络流量识别方法对于网络安全管控具有重要的现实意义，是本领域技术人员亟待解决的问题。

技术实现思路

[0003]本申请提供了一种网络流量识别方法及系统，能够提高网络流量识别的准确率和自动化程度。
[0004]为了实现上述目的，本申请提供了以下技术方案：
[0005]一种网络流量识别方法，包括：
[0006]将十六进制的第一网络流量数据转换为二进制的第二网络流量数据，并将所述第二网络流量数据通过映射规则映射成灰度图数据；
[0007]采用L2约束的三元组残差网络L2
‑
triplot Resnet网络对所述灰度图数据进行特征提取，得到第一特征数据；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络流量识别方法，其特征在于，包括：将十六进制的第一网络流量数据转换为二进制的第二网络流量数据，并将所述第二网络流量数据通过映射规则映射成灰度图数据；采用L2约束的三元组残差网络L2
‑
triplot Resnet网络对所述灰度图数据进行特征提取，得到第一特征数据；利用主成分分析PCA算法对所述第一特征数据进行线性降维，得到第二特征数据；通过t
‑
SNE算法对所述第二特征数据进行非线性降维，得到可视化的特征数据；通过K
‑
means算法对所述可视化的特征数据进行聚类识别，并输出识别结果。2.根据权利要求1所述的方法，其特征在于，所述将十六进制的第一网络流量数据转换为二进制的第二网络流量数据，包括：判断所述第一网络流量数据的比特流长度是否超过1024位比特流长度，若是，则将所述第一网络流量数据中超过所述1024位比特流长度的网络流量数据删除，以得到所述第二网络流量数据；若否，则在所述第一网络流量数据中补零，以得到所述第二网络流量数据，所述第二网络流量数据的比特流长度为所述1024位比特流长度。3.根据权利要求1所述的方法，其特征在于，所述L2
‑
triplot Resnet网络包括：深度残差网络Resnet
‑
18；所述深度残差网络Resnet
‑
18包括：17个卷积层和1个全连接层；所述深度残差网络Resnet
‑
18不包括分类层。4.根据权利要求1所述的方法，其特征在于，所述L2
‑
triplot Resnet网络包括：深度残差网络Resnet
‑
18，和L2约束和缩放模块；所述采用L2约束的三元组残差网络L2
‑
triplot Resnet网络对所述灰度图数据进行特征提取，得到第一特征数据，包括：将所述灰度图数据中的三张图像分别输入所述L2
‑
triplot Resnet网络中的三个深度残差网络Resnet
‑
18中得到三个嵌入特征；通过L2约束和缩放模块向所述三个嵌入特征添加L2约束，以得到所述三个嵌入特征分别对应的所述第一特征数据，具体如下公式：‖f(x
i
)‖2＝r,其中，x
i
为所述嵌入特征，r是所述L2约束的缩放参数，N为自然数集，‖f(x
i
)‖2为所述第一特征数据约束。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过如下方式计算灰度图数据集中，图像x
i
,x
j
的相似度：其中，L
p
为闵式距离，p为范数且p≥1，当p为2时，图像x
i
、x
j
的距离为欧式距离，L
p
越小，图像x
i
和图像x
j
越相似，灰度图数据集为χ，x
i
,x
j
∈χ，图像x
i
、x
j
是所述灰度图数据集中两个不同的图像，d为d维欧氏空间，
f(x
i
)＝(f(x
i
)
(1)
,f(x
i
)
(2)
,
…
,f(x
i
)
(d)
)
T
，f(x
j
)＝(f(x
j
)
(1)
,f(x
j
)
(2)
,
…
,f(x
j
)
(d)
)
T
；通过如下方式计算正图像对与负图像对之间的距离：x
i
、分别是样本图像、正图像和负图像，x
i
、为正图像对，x
i
、为负图像对，是所述正图像对的欧氏距离，是所述负图像对的欧氏距离，所述正图像是与所述样本图像属于同一应用类别并与所述样本图像的网络流量数据不同的图像，所述负图像是与所述样本图像不属于同一应用类别并与所述样本图像的网络流量数据不同的图像，所述正图像对包括所述样本图像和所述正图像，所述负图像对包括所述样本图像和所述负图像，α为所述正图像对与所述负图像对之间的距离；计算的铰链损失的铰链损失通过所述灰度图数据集中图像x
i
、x
j
的相似度、所述正图像对与所述负图像对之间的距离和铰链损失计算三元损失函数：L为三元损失函数的最小值；通过所述三元损失函数的最小值更新所述L2
‑
triplot Resnet网络。6.一种网络流量识别系统，其特征在于...

【专利技术属性】
技术研发人员：陈迎春，冉晓旻，董芳，刘广怡，孙昱，莫有权，王晓梅，张静，余道杰，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：