[发明专利]一种嵌套的应用层协议的状态机提取系统及其提取方法

权利要求书

1.一种嵌套的应用层协议的状态机提取系统，其特征在于：包括数据采集和输入模块、数据预处理模块、关键词提取模块、消息聚类模块、模型训练模块和状态译码模块；其中数据采集和输入模块用于采集训练集的嵌套的应用层协议的数据流，得到具体的数据文件并将得到的数据文件传输至数据预处理模块；数据预处理模块用于接收数据文件并对数据文件进行HTTP数据包的提取处理，然后将提取的HTTP数据包按照四元组的形式组合成会话；数据预处理模块将形成的会话列表传输至关键词提取模块；关键词提取模块用于接收数据预处理模块传输的会话列表，然后从会话列表中提取HTTP数据包的关键词；提取得到关键词后，保留会话列表中HTTP数据包的关键词，删除HTTP数据包中的非关键词字节；消息聚类模块用于采用X-Means算法对关键词提取模块处理后的会话列表进行聚类，得到具体的参数传输至模型训练模块；模型训练模块用于接收聚类模块传输的参数对模型进行初始化及训练；测试集中嵌套应用层协议的数据流依次经过数据采集和输入模块、数据预处理模块、关键词提取模块、消息聚类模块的处理后得到具体的参数传输至训练好的模型，模型输出的观测值序列传输至状态译码模块，状态译码模块进行译码得到其对应的状态序列。

2.根据权利要求1所述的嵌套的应用层协议的状态机提取系统，其特征在于：数据采集和输入模块采用wireshark软件进行嵌套的应用层协议的数据流的采集，得到pcap文件。

3.根据权利要求1所述的嵌套的应用层协议的状态机提取系统，其特征在于：所述关键词提取模块从HTTP请求方法、URL中的各层目录、JSON格式数据中的key值和响应码所处位置提取关键词。

4.根据权利要求1所述的嵌套的应用层协议的状态机提取系统，其特征在于：所述消息聚类模块在聚类时按照关键词的URL层级或JSON层级的不同赋予相应的权重。

5.根据权利要求1所述的嵌套的应用层协议的状态机提取系统，其特征在于：所述模型训练模块使用前向-后向算法对模型进行训练。

6.根据权利要求1所述的嵌套的应用层协议的状态机提取系统，其特征在于：所述状态译码模块使用Viterbi算法对模型输出的观测值序列进行译码。

7.根据权利要求1～6任一项所述的嵌套的应用层协议的状态机提取系统，其特征在于：所述数据预处理模块定义一个Packet类来储存提取的HTTP数据包。

8.根据权利要求1～6任一项所述的嵌套的应用层协议的状态机提取系统，其特征在于：所述关键词提取模块定义一个PacketVector类储存删除非关键词字节后的HTTP数据包的信息。

9.根据权利要求1～6任一项所述的嵌套的应用层协议的状态机提取系统，其特征在于：所述模型训练模块训练的模型为一阶-二阶混合隐马尔科夫模型。

10.一种根据权利要求1～9任一项状态机提取系统的提取方法，其特征在于：包括以下步骤：

(1)数据采集和输入模块采集训练集的嵌套的应用层协议的数据流，得到具体的数据文件并将得到的数据文件传输至数据预处理模块；

(2)数据预处理模块接收数据文件并对数据文件进行HTTP数据包的提取处理，然后将提取的HTTP数据包按照四元组的形式组合成会话；数据预处理模块将形成的会话列表传输至关键词提取模块；

(3)关键词提取模块接收数据预处理模块传输的会话列表，然后从会话列表中提取HTTP数据包的关键词；提取得到关键词后，保留会话列表中HTTP数据包的关键词，删除HTTP数据包中的非关键词字节；

(4)消息聚类模块采用X-Means算法对关键词提取模块处理后的会话列表进行聚类，得到具体的参数传输至模型训练模块；

(5)模型训练模块接收聚类模块传输的参数对模型进行初始化及训练；

(6)测试集中嵌套应用层协议的数据流依次经过(1)～(5)的处理后得到具体的参数传输至训练好的模型，模型输出的观测值序列传输至状态译码模块，状态译码模块进行译码得到其对应的状态序列。