發(fā)布時間：2020-09-16 14:09

　　 網(wǎng)絡流量的規(guī)模和密度逐年增長,協(xié)議的類型和應用服務的類型更是多樣化,更有惡意流量通過偽裝和加密的方式隱藏數(shù)據(jù),因此,如何準確識別網(wǎng)絡流量的是網(wǎng)絡安全中的重要問題。本文結合目前最熱門的深度學習技術中的卷積神經(jīng)網(wǎng)絡建立識別模型,通過流量的有效載荷進行模型訓練,對流量的協(xié)議和應用類型進行識別,尤其是對未知流量和加密流量的識別,并實現(xiàn)了一套網(wǎng)絡流量監(jiān)控系統(tǒng)。實驗結果表明,該系統(tǒng)能夠較好的識別各種流量。具體研究成果包括:1.針對在復雜網(wǎng)絡環(huán)境中的未知協(xié)議類型難以識別的問題,利用廣泛應用于分類的深度學習技術,提出了基于卷積神經(jīng)網(wǎng)絡的未知協(xié)議流量識別模型,將網(wǎng)絡流中各個類型的流量按應用層協(xié)議類型進行分類,并把不屬于已知協(xié)議類型的未知流量統(tǒng)一歸類以作為識別區(qū)分。本文通過抓取的20萬條數(shù)據(jù)流,使用每條數(shù)據(jù)流的負載信息作為數(shù)據(jù)集,利用深度學習方法中的卷積神經(jīng)網(wǎng)絡,使用Keras框架和Theano后臺搭建卷積神經(jīng)網(wǎng)絡來訓練和測試識別模型,最終流量協(xié)議的識別準確率為97.11%,未知流量的識別準確率為86.05%。本文實驗驗證了該方法的有效性,可以高精度識別未知協(xié)議流量。2.針對傳統(tǒng)流量識別方法對加密流量識別難的問題,提出基于卷積神經(jīng)網(wǎng)絡的加密流量識別模型,將使用加密算法傳輸數(shù)據(jù)的應用服務分為不同分類類型,使用流量數(shù)據(jù)中的有效載荷部分進行訓練,并設置模擬數(shù)據(jù),將不屬于訓練模型中已知類型的加密流量統(tǒng)一歸類作為識別區(qū)分。本文共抓取了 18萬條通過應用程序產(chǎn)生的加密流量,使用Keras框架和Theano后臺搭建卷積神經(jīng)網(wǎng)絡來訓練和測試識別模型,最終加密流量的識別準確率為95.65%,該實驗驗證了卷積神經(jīng)網(wǎng)絡可以高精度識別加密流量。3.結合以上兩個實驗的識別模型,開發(fā)了一套網(wǎng)絡流量監(jiān)控系統(tǒng),該系統(tǒng)使用B/S架構,搭建前端網(wǎng)頁實現(xiàn)界面交互,服務器端將加載上述本文提出的流量識別模型用于流量識別。該系統(tǒng)實現(xiàn)了流量捕獲、流量識別、識別結果展示和高危流量識別的功能,形成一套性能優(yōu)越、功能完整的網(wǎng)絡流量監(jiān)控系統(tǒng)。
【學位單位】：北京郵電大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP393.08;TP183
【部分圖文】：

一個神經(jīng)元只與部分鄰層神經(jīng)元連接。權值共享指的是，在逡逑ＣＮＮ某卷積層的同一特征平面中，神經(jīng)元共享權值，即卷積核。共享權值能夠逡逑減少網(wǎng)絡各層之間的連接，降低了過擬合的風險。卷積核初始化通常使用隨機小逡逑數(shù)矩陣，卷積核通過網(wǎng)絡的訓練得到合理的權值。卷積和卷積核的作用示意如圖逡逑２－８所示。逡逑１邐］邋１．邋0邋0逡逑０邐１１１０邐１０邐１邐４邐３邐４逡逑０邐０邐１１１Ｘ０１０邐ｆ＝＾＞邐２邐４邐３逡逑０邐０邐１１０邐１０邐１邐２邐３邐４逡逑０邐１１０邋０逡逑圖２－８卷積和卷積核的作用逡逑采樣技術也叫做池化，通常有均值子采樣和最大值子采樣兩種形式。ＣＮＮ的逡逑

逑讀下一條逡逑圖３－１邋Ｓｃａｐｙ模塊對數(shù)據(jù)的處理流程逡逑８３６８逡逑ｃｏｓｅ邐良：逡逑？0９３邋｜逡逑ｕ進制轉換逡逑１３９邋２４７邋７７邋１７９逡逑圖３－２提取數(shù)據(jù)流中的有效載荷字節(jié)逡逑使用卷積神經(jīng)網(wǎng)絡對數(shù)據(jù)進行分類便可以類比為使用卷積神經(jīng)網(wǎng)絡對上述逡逑圖片進行分類。在圖片分類中，已有許多模型的識別效果非常好，在ＭＩＮＩＳＴ數(shù)逡逑據(jù)集上的識別準確率可以到達９９％以上［６１］，文獻［６２］提出了邋ＶＧＧ１６和ＶＧＧ１９模逡逑型，使用ＶＧＧ模型可以高精度識別１０００多種日常生活中的物品。如果合理地逡逑借鑒圖像分類的技術，針對流量數(shù)據(jù)修改合適的參數(shù)，可以將卷積神經(jīng)網(wǎng)絡在分逡逑類上的優(yōu)秀特性利用在流量識別分類上。逡逑１９逡逑

圖３－５邋ｔａｎｈ函數(shù)和它的導數(shù)逡逑活函數(shù)因為與Ｓｉｇｍｏｉｄ激活函數(shù)從本質上看并沒有區(qū)單元（ＲｅＬＵ）的值域為［０，＋°°］，它的表達式如式（「ｘ邐ｘ２０ｇ（ｘ）二邋ＲｅＬＵ（ｘ）二［０邋ｘ＜０逡逑導數(shù)的表達式如式（３－６）：逡逑．邋ｆ邋１邋ｘ＞邋０逡逑ＲｅＬＵ（ｘ）邋＝邋ｊ［0邋ｘ＜０逡逑數(shù)及其導數(shù)的圖像如圖３－６所示。逡逑２２逡逑

【相似文獻】

相關期刊論文 前10條

1 黃石平;;基于新型網(wǎng)絡結構流量識別方法研究[J];電腦編程技巧與維護;2018年04期

2 蘇星曄;徐方南;;對等網(wǎng)絡流量識別技術研究[J];中國新通信;2017年05期

3 潘吳斌;程光;郭曉軍;黃順翔;;網(wǎng)絡加密流量識別研究綜述及展望[J];通信學報;2016年09期

4 滕翠;;網(wǎng)絡流量識別特征碼自動提取系統(tǒng)分析[J];計算機光盤軟件與應用;2014年19期

5 陳乾熙;;網(wǎng)絡流量識別方法及比較研究[J];今日科苑;2015年08期

6 辛峰;於建華;;互聯(lián)網(wǎng)流量識別技術的研究及實現(xiàn)[J];廣東通信技術;2008年03期

7 曹詩敏;王娟;;特殊網(wǎng)絡流量識別綜述[J];電腦知識與技術;2018年17期

8 姜羽;華俊;胡靜;宋鐵成;劉世棟;郭經(jīng)紅;;電力信息通信網(wǎng)絡流量識別技術研究[J];信息化研究;2015年01期

9 杜瑞穎;楊勇;陳晶;王持恒;;一種基于相似度的高效網(wǎng)絡流量識別方案[J];山東大學學報(理學版);2014年09期

10 燕f:昊;韓國棟;黃雅靜;王孝龍;;非平衡網(wǎng)絡流量識別方法[J];計算機應用;2018年01期

相關會議論文 前8條

1 張鑫;馬勇;曹鵬;;基于貝葉斯分類算法的木馬程序流量識別方法[A];第27次全國計算機安全學術交流會論文集[C];2012年

2 喻東陽;陳宏偉;楊莊;;基于信任抽樣的P2P流量識別[A];武漢機械設計與傳動學會第21屆學術年會論文集[C];2013年

3 張娜娜;;P2P流量識別方法研究[A];江蘇省電子學會2010年學術年會論文集[C];2010年

4 王波;周曉光;蘇志遠;;基于節(jié)點狀態(tài)的P2P流量識別系統(tǒng)[A];2008通信理論與技術新發(fā)展——第十三屆全國青年通信學術會議論文集（下）[C];2008年

5 王波;周曉光;蘇志遠;;基于節(jié)點狀態(tài)的P2P流量識別系統(tǒng)[A];中國電子學會第十五屆信息論學術年會暨第一屆全國網(wǎng)絡編碼學術年會論文集（下冊）[C];2008年

6 馬永立;壽國礎;胡怡紅;錢宗玨;區(qū)海平;;新型網(wǎng)絡流量識別分析系統(tǒng)及其性能評估[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

7 杜建清;黃少君;楊家海;;網(wǎng)絡測量協(xié)作柔性支撐平臺[A];2009年全國開放式分布與并行計算機學術會議論文集(下冊)[C];2009年

8 陳磊;;IP網(wǎng)絡流量的識別與管理[A];中國通信學會信息通信網(wǎng)絡技術委員會2009年年會論文集（上冊）[C];2009年

相關重要報紙文章 前1條

1 《網(wǎng)絡世界》記者 邊歆;控制“有害”的應用[N];網(wǎng)絡世界;2011年

相關博士學位論文 前10條

1 卓中流;匿名網(wǎng)絡追蹤溯源關鍵技術研究[D];電子科技大學;2018年

2 林冠洲;網(wǎng)絡流量識別關鍵技術研究[D];北京郵電大學;2011年

3 張劍;寬帶接入網(wǎng)流量識別關鍵技術研究[D];北京郵電大學;2011年

4 田旭;互聯(lián)網(wǎng)流量識別技術研究[D];北京郵電大學;2012年

5 吳敏;P2P網(wǎng)絡流量控制管理若干關鍵技術研究[D];南京郵電大學;2011年

6 侯穎;網(wǎng)絡流量測量與識別關鍵技術研究[D];解放軍信息工程大學;2015年

7 彭立志;基于機器學習的流量識別關鍵技術研究[D];哈爾濱工業(yè)大學;2015年

8 趙博;網(wǎng)絡加密流量的協(xié)議不相關在線識別技術研究[D];解放軍信息工程大學;2012年

9 韓祺yN;P2P網(wǎng)絡監(jiān)控與信任安全機制研究[D];電子科技大學;2016年

10 李冰;VoIP和P2P IPTV流量的識別與測量研究[D];天津大學;2010年

相關碩士學位論文 前10條

1 馬若龍;基于卷積神經(jīng)網(wǎng)絡的未知和加密流量識別的研究與實現(xiàn)[D];北京郵電大學;2018年

2 王姣;基于半監(jiān)督稀疏自編碼IM流量識別模型的研究與比較分析[D];武漢郵電科學研究院;2018年

3 周雅;基于半監(jiān)督學習的網(wǎng)絡業(yè)務流量識別方法研究[D];東南大學;2017年

4 胡斌;基于混合行為特征的流量識別技術研究與應用[D];北京郵電大學;2017年

5 文凱旋;網(wǎng)絡流量識別與控制系統(tǒng)的研究與設計[D];北京郵電大學;2016年

6 張波;基于流特征的加密流量識別技術研究[D];哈爾濱工業(yè)大學;2012年

7 馬衍慶;基于機器學習的網(wǎng)絡流量識別方法與實現(xiàn)[D];山東大學;2014年

8 胡進軍;網(wǎng)絡流量識別技術的研究與實現(xiàn)[D];電子科技大學;2017年

9 王偉萌;基于應用層的流量識別系統(tǒng)設計與實現(xiàn)[D];北方工業(yè)大學;2016年

10 趙建東;基于云計算技術的實時網(wǎng)絡流量識別算法研究[D];安徽理工大學;2017年

本文編號：2819949