基于卷积神经网络的未知和加密流量识别的研究与实现

发布时间：2020-09-16 14:09

　　网络流量的规模和密度逐年增长,协议的类型和应用服务的类型更是多样化,更有恶意流量通过伪装和加密的方式隐藏数据,因此,如何准确识别网络流量的是网络安全中的重要问题。本文结合目前最热门的深度学习技术中的卷积神经网络建立识别模型,通过流量的有效载荷进行模型训练,对流量的协议和应用类型进行识别,尤其是对未知流量和加密流量的识别,并实现了一套网络流量监控系统。实验结果表明,该系统能够较好的识别各种流量。具体研究成果包括:1.针对在复杂网络环境中的未知协议类型难以识别的问题,利用广泛应用于分类的深度学习技术,提出了基于卷积神经网络的未知协议流量识别模型,将网络流中各个类型的流量按应用层协议类型进行分类,并把不属于已知协议类型的未知流量统一归类以作为识别区分。本文通过抓取的20万条数据流,使用每条数据流的负载信息作为数据集,利用深度学习方法中的卷积神经网络,使用Keras框架和Theano后台搭建卷积神经网络来训练和测试识别模型,最终流量协议的识别准确率为97.11%,未知流量的识别准确率为86.05%。本文实验验证了该方法的有效性,可以高精度识别未知协议流量。2.针对传统流量识别方法对加密流量识别难的问题,提出基于卷积神经网络的加密流量识别模型,将使用加密算法传输数据的应用服务分为不同分类类型,使用流量数据中的有效载荷部分进行训练,并设置模拟数据,将不属于训练模型中已知类型的加密流量统一归类作为识别区分。本文共抓取了 18万条通过应用程序产生的加密流量,使用Keras框架和Theano后台搭建卷积神经网络来训练和测试识别模型,最终加密流量的识别准确率为95.65%,该实验验证了卷积神经网络可以高精度识别加密流量。3.结合以上两个实验的识别模型,开发了一套网络流量监控系统,该系统使用B/S架构,搭建前端网页实现界面交互,服务器端将加载上述本文提出的流量识别模型用于流量识别。该系统实现了流量捕获、流量识别、识别结果展示和高危流量识别的功能,形成一套性能优越、功能完整的网络流量监控系统。
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP393.08;TP183
【部分图文】：

全连接,卷积核,权值,子采样

一个神经元只与部分邻层神经元连接。权值共享指的是，在逡逑ＣＮＮ某卷积层的同一特征平面中，神经元共享权值，即卷积核。共享权值能够逡逑减少网络各层之间的连接，降低了过拟合的风险。卷积核初始化通常使用随机小逡逑数矩阵，卷积核通过网络的训练得到合理的权值。卷积和卷积核的作用示意如图逡逑２－８所示。逡逑１逦］邋１．邋0邋0逡逑０逦１１１０逦１０逦１逦４逦３逦４逡逑０逦０逦１１１Ｘ０１０逦ｆ＝＾＞逦２逦４逦３逡逑０逦０逦１１０逦１０逦１逦２逦３逦４逡逑０逦１１０邋０逡逑图２－８卷积和卷积核的作用逡逑采样技术也叫做池化，通常有均值子采样和最大值子采样两种形式。ＣＮＮ的逡逑

提取数据,有效载荷,字节

逑读下一条逡逑图３－１邋Ｓｃａｐｙ模块对数据的处理流程逡逑８３６８逡逑ｃｏｓｅ逦良：逡逑？0９３邋｜逡逑ｕ进制转换逡逑１３９邋２４７邋７７邋１７９逡逑图３－２提取数据流中的有效载荷字节逡逑使用卷积神经网络对数据进行分类便可以类比为使用卷积神经网络对上述逡逑图片进行分类。在图片分类中，已有许多模型的识别效果非常好，在ＭＩＮＩＳＴ数逡逑据集上的识别准确率可以到达９９％以上［６１］，文献［６２］提出了邋ＶＧＧ１６和ＶＧＧ１９模逡逑型，使用ＶＧＧ模型可以高精度识别１０００多种日常生活中的物品。如果合理地逡逑借鉴图像分类的技术，针对流量数据修改合适的参数，可以将卷积神经网络在分逡逑类上的优秀特性利用在流量识别分类上。逡逑１９逡逑

导数,函数,表达式,激活函数

图３－５邋ｔａｎｈ函数和它的导数逡逑活函数因为与Ｓｉｇｍｏｉｄ激活函数从本质上看并没有区单元（ＲｅＬＵ）的值域为［０，＋°°］，它的表达式如式（「ｘ逦ｘ２０ｇ（ｘ）二邋ＲｅＬＵ（ｘ）二［０邋ｘ＜０逡逑导数的表达式如式（３－６）：逡逑．邋ｆ邋１邋ｘ＞邋０逡逑ＲｅＬＵ（ｘ）邋＝邋ｊ［0邋ｘ＜０逡逑数及其导数的图像如图３－６所示。逡逑２２逡逑

【相似文献】