[发明专利]一种网络流量分类方法及系统

权利要求书

1.一种网络流量分类方法，所述方法包括：

步骤1)获取网络数据流；

步骤2)将所述网络数据流转化为二维矩阵，提取二维矩阵的方向梯度直方图特征A₁和局部二值模式直方图特征A₂，并将A₁和A₂进行拼接形成线性可分特征；

步骤3)将所述线性可分特征输入支持向量机模型实现网络流量的分类。

2.根据权利要求1所述的网络流量分类方法，其特征在于，所述步骤1)具体为：从网络中截取数据流量包，将一系列具有相同源地址、目的地址、源端口、目的端口和协议的数据流量包汇聚为一个网络数据流。

3.根据权利要求1所述的网络流量分类方法，其特征在于，所述步骤2)具体包括：

步骤2-1)将所述网络数据流转化为m*k的二维矩阵；

步骤2-2)将所述二维矩阵视为m*k大小的8位灰度图，提取方向梯度直方图特征向量A₁；

步骤2-3)将所述二维矩阵视为m*k大小的8位灰度图，提取局部二值模式直方图特征向量A₂；

步骤2-4)将特征向量A₁和特征向量A₂进行拼接形成线性可分特征。

4.根据权利要求3所述的网络流量分类方法，其特征在于，所述步骤2-1)具体包括：

步骤2-1-1)选取常数m，获取所述网络数据流的前m个连续的数据包，对每个数据包读取TCP或UDP协议的有效载荷原始数据；

步骤2-1-2)选取常数k，对上述每个有效载荷提取前k个字节，将所述k个字节的数据归一化落在[0,255]的范围内，作为矩阵的每一行；

步骤2-1-3)对有效载荷不足k个字节长度的数据包，在矩阵该行尾部采取补0操作；对不足m个包的数据流，在矩阵尾部采取补0操作，直至形成m*k大小的矩阵。

5.根据权利要求4所述的网络流量分类方法，其特征在于，所述步骤2-2)具体包括：

步骤2-2-1)将所述灰度图划分成8*8像素的单元格；

步骤2-2-2)把梯度方向平均划分为9个区间，计算每个单元格中每个像素的梯度，包括梯度的方向和梯度的幅值；

步骤2-2-3)统计所述每个单元格的梯度方向直方图，得到一个9维的特征向量；

步骤2-2-4)每相邻的2*2个单元格构成一个块，把一个块内的特征向量连起来得到特征向量，并进行归一化处理；

步骤2-2-5)按步长8滑动16*16的块窗口，获得若干个块；

步骤2-2-6)将所述每个块的特征向量进行连接成为一个特征向量A₁。

6.根据权利要求5所述的网络流量分类方法，其特征在于，所述步骤2-3)具体包括：

步骤2-3-1)将所述灰度图划分成16*16像素的块；

步骤2-3-2)对于每个块中的每个像素，将相邻的8个像素的灰度值与其比较，若周围像素值大于中心像素值，则所述周围像素点的位置被标记为1，否则标记为0，若像素点位于图像边缘，则图像外的像素点同样标记为0；这样，3*3邻域内的8个点经比较产生8位二进制数，即得到该窗口中心像素点的二进制模式；

步骤2-3-3)统计所述每个块的二进制模式直方图，即每个二进制数出现的频率，按等价模式对二进制模式种类进行降维，得到特征向量，并进行归一化处理；

步骤2-3-4)按步长8滑动16*16的块窗口，获得获得若干个块；

步骤2-3-5)将所述每个块的特征向量进行连接成为一个特征向量A₂。