基于流統(tǒng)計(jì)特性的應(yīng)用協(xié)議識(shí)別技術(shù)研究.pdf

1、　　對(duì)應(yīng)用層協(xié)議進(jìn)行識(shí)別是很多網(wǎng)絡(luò)研究工作的基礎(chǔ),但是隨著網(wǎng)絡(luò)應(yīng)用程序的不斷更新發(fā)展,面對(duì)使用反探測(cè)手段的應(yīng)用程序,應(yīng)用層協(xié)議識(shí)別技術(shù)不能得到很好的效果。傳統(tǒng)的基于端口的識(shí)別技術(shù)已基本不可用,基于包負(fù)載的深度包檢測(cè)技術(shù)也因?yàn)榧用芗夹g(shù)使用和用戶隱私約束等原因作用也越來越小。協(xié)議識(shí)別研究者們開始將研究重點(diǎn)放在應(yīng)用程序網(wǎng)絡(luò)通信的數(shù)據(jù)流特征上。本課題就是在深入分析若干主流應(yīng)用協(xié)議的數(shù)據(jù)流特征的基礎(chǔ)上,利用統(tǒng)計(jì)的方法實(shí)現(xiàn)應(yīng)用協(xié)議識(shí)別。

2、　　本課題在研究傳統(tǒng)應(yīng)用協(xié)議識(shí)別的基礎(chǔ)上,研究?jī)?nèi)容主要從三方面展開,一是協(xié)議特征的提取以及特征數(shù)據(jù)結(jié)構(gòu)的確立；二是對(duì)特征空間進(jìn)行降維處理,即特征選擇；三是統(tǒng)計(jì)模型的創(chuàng)建和使用。在具體特征處理方法上采用一種特殊的數(shù)據(jù)結(jié)構(gòu),每個(gè)特征都是由數(shù)量向量和概率向量?jī)蓚€(gè)向量組成,通過這種概率分布來展現(xiàn)每個(gè)特征的特點(diǎn)。在特征選擇方面,對(duì)兩類傳統(tǒng)的征選擇算法FR和FSS進(jìn)行了分析,結(jié)合這兩類算法提出了兩種混合特征選擇算法,并通過與幾個(gè)常用的特征選擇算法的

3、對(duì)比實(shí)驗(yàn)驗(yàn)證了這兩種特征選擇算法的有效性。在統(tǒng)計(jì)模型上,本文采用了HCM聚類算法,為了適用上述特殊的特征結(jié)構(gòu),將HCM算法進(jìn)行了部分變換,用Kullback-Leible差異(又叫K-L距離)代替了常用的歐式距離,并進(jìn)一步研究了兩個(gè)重要參數(shù)的處理,HCM算法中K值的選取和利用K-L距離進(jìn)行具體協(xié)議識(shí)別時(shí)判決門限的設(shè)置。在訓(xùn)練模型庫的時(shí)候,借鑒了半監(jiān)督的思想,用少部分標(biāo)記的數(shù)據(jù)流和大量未標(biāo)記數(shù)據(jù)流來進(jìn)行訓(xùn)練。實(shí)驗(yàn)驗(yàn)證了基于流統(tǒng)計(jì)的協(xié)議識(shí)別