申请/专利权人：南京理工大学

申请日：2021-12-03

公开（公告）日：2023-06-06

公开（公告）号：CN116233013A

主分类号：H04L47/2483

分类号：H04L47/2483;H04L47/2441;H04L41/14;H04L43/045;H04L43/10;H04L9/40;H04L12/46

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.23#实质审查的生效;2023.06.06#公开

摘要：本发明公开了一种针对TorOverVPN匿名网络流量及其服务类型的识别方法。该方法包括：基于OpenVPN握手阶段的协议指纹、长度序列与心跳交互等特征筛选得到VPN流量；利用Tor网络建立阶段存在的握手长度序列以及心跳交互行为等机制，结合CNN模型识别出TorOverVPN流量；最后，利用包间时延、包长度、包负载等特征结合Transformer深度学习模型识别TorOverVPN流量的不同承载服务类型。本发明通过深入挖掘多维度时空特征、并结合当前主流深度学习模型，可以很好的对TorOverVPN流量及其承载服务类型进行识别，对于加强Tor流量监管、维护网络安全具有重要意义。

主权项：1.一种针对TorOverVPN匿名网络流量及其服务类型的识别方法，其特征在于，所述方法包括以下步骤：步骤1，基于五元组信息将输入流量样本分流处理为会话流量，并依据流量类型对其进行标记、分组、编号预处理操作；所述五元组为源地址、目的地址、源端口、目的端口、协议五元组；步骤2，逐流提取序号为0至N1的数据包负载长度、OpenVPN头部协议字段、心跳数据包特征；步骤3，逐流提取序号为N1至N2的数据包的负载长度、负载信息、轮询数据特征，并将这些特征转化为二维灰度图像；步骤4，逐流提取序号为N2至N3数据包的长度、负载信息、包间时延、MSS包占比、交互次数，构成时空特征向量；步骤5，利用步骤2提取的特征对流量进行匹配，识别OpenVPN隧道流量；步骤6，基于所述二维灰度图像和CNN模型构建TorOverVPN匿名网络流量识别模型；步骤7，基于所述时空特征向量和Transformer模型构建服务类型识别模型；步骤8，针对待检测的流量样本，执行步骤1至步骤4，之后根据步骤5识别OpenVPN隧道流量，利用步骤6和步骤7构建的模型分别识别TorOverVPN匿名网络流量和服务类型。

全文数据：

权利要求：

百度查询： 南京理工大学 针对Tor Over VPN匿名网络流量及其服务类型的识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD