隨著移動互聯(lián)網(wǎng)的快速發(fā)展,移動設(shè)備的數(shù)量激增至歷史新高.從大量混雜流量中識別出移動流量并對流量進行分析,是深入研究移動互聯(lián)網(wǎng)特性的第一步,同時可以為移動網(wǎng)絡(luò)測量與管理、移動安全和隱私保護提供有價值的信息.本文綜合整理了網(wǎng)絡(luò)流量識別的常見方法,提出了基于數(shù)據(jù)流多維統(tǒng)計特征的移動流量識別方法.該方法從硬件特征、操作系統(tǒng)指紋和用戶使用習(xí)慣三個方面提取了數(shù)據(jù)流中具有代表性的特征并對特征進行分析,使用集成學(xué)習(xí)的方法生成識別模型.移動流量的識別準確率和主流的5種操作系統(tǒng)流量分類的準確率都達到了99%以上.本文方法比UAFs方法準確率提高了8%左右.本方法提取的特征具有多維性并且具有實際意義,整合了網(wǎng)絡(luò)層和傳輸層的數(shù)據(jù)流特征,相較于使用深度數(shù)據(jù)包檢測的方法,基于數(shù)據(jù)流多維特征的方法同樣適用于加密流量的分類. 

【文章來源】：四川大學(xué)學(xué)報(自然科學(xué)版). 2020,57(02)北大核心CSCD

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]高級持續(xù)性威脅中攻擊特征的分析與檢測[J]. 董剛,余偉,玄光哲.  吉林大學(xué)學(xué)報(理學(xué)版). 2019(02)
[2]一種基于DPI自關(guān)聯(lián)數(shù)據(jù)包檢測分類方法[J]. 賈軍,楊進,李濤.  四川大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[3]基于DSP平臺的實時視覺車輛檢測方法[J]. 王海,李誠,蔡英鳳,陳龍,何友國.  江蘇大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[4]網(wǎng)絡(luò)背景流量的分類與識別研究綜述[J]. 鄒騰寬,汪鈺穎,吳承榮.  計算機應(yīng)用. 2019(03)
[5]基于時序流的移動流量實時分類方法[J]. 劉翼,嵩天,廖樂健.  北京理工大學(xué)學(xué)報. 2018(05)
[6]移動設(shè)備網(wǎng)絡(luò)流量分析技術(shù)綜述[J]. 徐明,楊雪,章堅武.  電信科學(xué). 2018(04)
[7]混合模式的網(wǎng)絡(luò)流量分類方法[J]. 胡婷,王勇,陶曉玲.  計算機應(yīng)用. 2010(10)



本文編號：3181446