申请/专利权人：江苏大学

申请日：2021-11-30

公开（公告）日：2024-04-16

公开（公告）号：CN114187485B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.04.01#实质审查的生效;2022.03.15#公开

摘要：本发明公开一种基于四元特征融合图的轻量级Tor流量分类方法及系统，结合匿名网络Tor多路复用特性以及实际部署中对模型算力的要求，针对网络用户生成的Tor流量进行分类。首先从测试环境中抓取目标Tor流量集，然后将固定窗口内的流量转化为四元特征融合图，随后使用部分参数共享的堆叠式特征提取层提取融合图特征，并使用两种不同的池化策略分别对特征进行细化和降维，最后使用训练好的已知类别判别模型和未知类别判断模型，为特征向量分配类别标签。本发明能够实现Tor流量的高效分类与流量分类模型的轻量级部署，根据流量分布的不同将Tor流量转化为模式更加可分的图像格式提升分类效率，使用轻量级设计思路搭建的模型能运行在更多的低算力设备上。

主权项：1.一种基于四元特征融合图的轻量级Tor流量分类方法，其特征在于：依次包括以下步骤：步骤1、采集Tor网络下目标应用产生的网络流量，截取固定时间窗口内的所有数据包，去除其中的噪声，提取数据包大小分布、平均方向以及传输频率特征集并转化为四元特征融合图，以此将Tor流量的混合模式进行可视化；步骤2、使用堆叠的特征提取层提取步骤1所得四元特征融合图的特征张量，采用部分参数共享机制将特征提取层中卷积层的滤波器分解为空间域中固定基的加权扩展，并对扩展系数分布进一步施加稀疏性惩罚使其趋向于0；步骤3、对步骤2中每个特征提取层提取出的特征张量均使用水平-垂直条带池化策略，编码其水平和垂直特征信息，以此进行特征细化，然后采用自适应的方形池化策略对细化后的每两个特征提取层提取出的特征张量进行降维；步骤4、压缩步骤3中所得最后一层特征提取层细化和降维后的输出张量，并使用标准的Flatten层将其转化为一个特征向量，组合使用已知类别判别模型Mcl和未知类别判别模型Mun，为特征向量分配类别标签；所述步骤1中使用四元特征融合图表示Tor流量的混合模式的具体过程为：给定时间窗口T，将原始网络流量H按照每T秒分割成N份，对于每条流O＝[o1,o2,…oN-1,oN]，分别提取其中的数据包大小序列S＝[s1,s2,…sM-1,sM]、数据包时间戳序列T＝[t1,t2,…tM-1,tM]、数据包方向序列D＝[d1,d2,…dM-1,dM]，M代表该流H中数据包个数；首先标准化时间戳到[0,1500]区间，使其与数据包大小在一个量纲内，即：并数值化方向，即： 接着建立二维1500*1500的直方图，直方图中的像素点颜色代表时间区间[ti,ti+1]内是否存在大小在[si,si+1]区间内的数据包，白色代表不存在，其他颜色代表存在，颜色的深浅代表该区间内所有数据包的平均方向，即其中n+1代表该区间内数据包的总个数，di代表该区间内第i个数据包的数值化方向，偏向黄色代表发送数据包占大多数，偏向紫色代表接收数据包占大多数；最后将融合图保存为224*224*3的图像。

全文数据：

权利要求：

百度查询： 江苏大学 一种基于四元特征融合图的轻量级Tor流量分类方法及系统

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