基于数据流多维特征的移动流量识别方法研究

发布时间：2021-05-11 13:00

　　随着移动互联网的快速发展,移动设备的数量激增至历史新高.从大量混杂流量中识别出移动流量并对流量进行分析,是深入研究移动互联网特性的第一步,同时可以为移动网络测量与管理、移动安全和隐私保护提供有价值的信息.本文综合整理了网络流量识别的常见方法,提出了基于数据流多维统计特征的移动流量识别方法.该方法从硬件特征、操作系统指纹和用户使用习惯三个方面提取了数据流中具有代表性的特征并对特征进行分析,使用集成学习的方法生成识别模型.移动流量的识别准确率和主流的5种操作系统流量分类的准确率都达到了99%以上.本文方法比UAFs方法准确率提高了8%左右.本方法提取的特征具有多维性并且具有实际意义,整合了网络层和传输层的数据流特征,相较于使用深度数据包检测的方法,基于数据流多维特征的方法同样适用于加密流量的分类. 

【文章来源】：四川大学学报(自然科学版). 2020,57(02)北大核心CSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]高级持续性威胁中攻击特征的分析与检测[J]. 董刚,余伟,玄光哲.  吉林大学学报(理学版). 2019(02)
[2]一种基于DPI自关联数据包检测分类方法[J]. 贾军,杨进,李涛.  四川大学学报(自然科学版). 2019(01)
[3]基于DSP平台的实时视觉车辆检测方法[J]. 王海,李诚,蔡英凤,陈龙,何友国.  江苏大学学报(自然科学版). 2019(01)
[4]网络背景流量的分类与识别研究综述[J]. 邹腾宽,汪钰颖,吴承荣.  计算机应用. 2019(03)
[5]基于时序流的移动流量实时分类方法[J]. 刘翼,嵩天,廖乐健.  北京理工大学学报. 2018(05)
[6]移动设备网络流量分析技术综述[J]. 徐明,杨雪,章坚武.  电信科学. 2018(04)
[7]混合模式的网络流量分类方法[J]. 胡婷,王勇,陶晓玲.  计算机应用. 2010(10)



本文编号：3181446