[发明专利]一种基于深度特征的P2P流量细粒度识别方法

说明书

本发明公开了一种基于深度特征的P2P流量细粒度识别方法，包括训练过程和识别过程；训练过程包括收集和处理数据集、提取深度特征、训练二分类器及构建识别辅助器；识别过程具体为：利用深度卷积神经网络对所述P2P流量数据进行特征提取，将训练好的多个二分类器和识别辅助器组合得到细粒度流量识别模型，利用细粒度流量识别模型对所述深度特征进行分类。本发明提高了P2P流量数据分类的效率和准确率，可扩展性高。

技术领域

本发明涉及一种网络安全管理与流量分析技术领域，更具体的说，是涉及一种基于深度特征的P2P流量细粒度识别方法。

背景技术

P2P技术，又称点对点技术，是一种网络新技术，依赖网络中参与者的计算能力和带宽，而不是把依赖都聚集在较少的几台服务器上。这类网络可以用于多种用途，各种档案分享软件已经得到了广泛的使用。

P2P技术的快速发展和应用虽然方便了人们的生活生产，但是也对网络管理和安全造成了重大影响。首先，快速增长的P2P流量给网络带宽造成严重的负担和加剧了网络的拥塞状况；其次，由于缺乏对用户的管理和共享信息的控制，P2P已成为非法内容共享活动的主要来源，这引起了资源滥用与侵权等问题；还有基于P2P的恶意僵尸网络的频繁出现，一方面，其大量的非法连接加快了带宽的消耗，另一方面，由于P2P恶意流量隐匿在合法的巨量P2P流量中，使得网络攻击越来越多。因此，P2P网络安全和管理是一个首先要解决的问题，而对P2P流量的细粒度识别是进行P2P网络安全和管理中必不可少的一步。

现有技术中，基于统计特征识别法进行P2P流量识别，由于直接使用基于载荷特征方法而导致计算量大，即系统时空开销大；基于混合方法的多步式识别器用以分步地识别P2P流量，虽然取得了不错的成效，但各种单步方法的缺点仍制约着整个方法的性能，由于结合了基于统计特征方法，导致对于细粒度识别方面效果也不理想，且难以进行扩展用于识别新型或未知P2P流量。

发明内容

本发明公开一种基于深度特征的P2P流量细粒度识别方法，避免了类似特征统计方法的大量耗费资源和统计不全面的缺点，可以提高P2P流量识别的效率和准确性。

为实现上述目的，本发明的具体技术方案为：

一种基于深度特征的P2P流量细粒度识别方法，其特征在于，包括训练过程和识别过程；所述训练过程包括：

收集和处理数据集，标记并训练不同应用类别的P2P流量数据；

提取深度特征，利用深度卷积神经网络提取所述P2P流量数据的深度特征；

训练二分类器，利用所述深度特征训练特定应用的支持向量机SVM，识别特定应用的所述P2P流量数据；

构建识别辅助器，所述识别辅助器包括细粒度启发式规则和歧义消除识别器；

所述识别过程包括：

利用深度卷积神经网络对所述P2P流量数据进行特征提取，得到深度特征；

将训练好的多个二分类器和识别辅助器组合得到细粒度流量识别模型；

利用所述细粒度流量识别模型对所述深度特征进行分类。

进一步地，收集和处理数据集，标记不同应用类别的P2P流量数据具体包括：把所述P2P流量数据划分为训练集和测试集。

进一步地，收集和处理数据集，标记不同应用类别的P2P流量数据具体还包括：对所述训练集和所述测试集进行训练和测试。

进一步地，提取深度特征，利用深度卷积神经网络提取所述P2P流量数据的深度特征之前还包括：把所述P2P流量数据转化为图片格式。

进一步地，训练二分类器，利用所述深度特征训练特定应用的支持向量机SVM，识别特定应用的所述P2P流量数据包括：按不同的应用类别标记所述深度特征。