【技术实现步骤摘要】
基于统计特征及时空特征融合的加密流量分类方法及系统
[0001]本专利技术属于加密流量分类
，尤其涉及一种基于统计特征及时空特征融合的加密流量分类方法及系统。
技术介绍
[0002]随着网络技术的进步以及人们对于隐私保护的重视，加密技术在应用数据传输中得到了广泛的应用，在网络信息传输的过程中不再使用明文信息，加密流量的占比越来越高，传统的流量分类方法如基于端口或者基于深度包检测(DPI)等方法已不再适用于当前的网络环境。随着机器学习以及深度学习的兴起，研究学者们开始着手研究基于机器学习以及基于深度学习的加密流量识别分类方法。根据神经网络输入形式的不同，可以将分类的方式分为两类：(1)基于流量的统计特征，流量的统计特征是指的对原始流量的数据分布、流量发送及到达时间、流量传输的时长、会话中数据包的数量、会话中载荷的分布等统计信息，具体的内容已在第三章数据预处理部分进行过介绍。(2)基于原始流量数据，深度学习的提出使得神经网络具备了自动提取特征的能力，因此可以通过构建端到端的模型来进行流量特征的自动提取，进而完成加密流量数据
【技术保护点】
【技术特征摘要】
1.一种基于统计特征及时空特征融合的加密流量分类方法，其特征在于，包括以下步骤：获取加密流量数据集，对所述加密流量数据集进行预处理，得到加密流量数据灰度图；构建加密流量分类网络，所述加密流量分类网络包括：自编码器网络，BiLSTM+CNN1D级联网络、无池化层的ResNet网络和全连接网络；基于所述BiLSTM+CNN1D级联网络和无池化层的ResNet网络，提取所述加密流量数据灰度图中的时空特征；将所述灰度图输入至所述加密流量分类网络，输出加密流量分类结果。2.根据权利要求1所述的基于统计特征及时空特征融合的加密流量分类方法，其特征在于，对所述加密流量数据集进行预处理的过程包括：基于会话方式对加密流量进行分割，得到分割流量，对所述分割流量进行数据清洗处理，得到待统计数据，对所述待统计数据进行特征统计计算，得到统计特征，基于min
‑
max方式对所述统计特征进行标准化处理并转换，得到加密流量数据灰度图。3.根据权利要求2所述的基于统计特征及时空特征融合的加密流量分类方法，其特征在于，得到统计特征之后包括：基于所述自编码器网络，对所述统计特征进行编码降维，得到低维统计特征。4.根据权利要求3所述的基于统计特征及时空特征融合的加密流量分类方法，其特征在于，提取所述加密流量数据灰度图中的时空特征的过程包括：基于所述BiLSTM+CNN1D级联网络，对所述加密流量数据灰度图进行时空特征提取，得到初始时空特征，将所述初始时空特征输入至所述无池化层的ResNet网络继续进行特征提取，得到加密流...
【专利技术属性】
技术研发人员：刘磊，弭喜临，马永强，张久文，苏伟，
申请(专利权)人：兰州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。