[发明专利]半监督网络流量分类方法

说明书

本发明公开了一种半监督网络流量分类方法，包括：预先使用一定数量的网络流量数据无监督的训练特征提取模块，以及使用若干有标签网络流量数据和一定数量的无标签网络流量数据无监督的训练半监督流量分类模块；利用训练好的特征提取模块从原始网络流量数据中提取隐含表达特征，再利用训练好的半监督流量分类模块，基于提取到的隐含表达特征对相应原始网络流量数据进行分类。该方法通过自动提取网络流量的隐含表达特征，克服了过于依赖人为制定特征的问题；同时，半监督方法仅需要少量有标签网络流量数据和大量无标签网络流量数据即可构建流量分类器，克服了无法获取大量可靠数据集的困难。

技术领域

本发明涉及计算机网络技术领域，尤其涉及一种半监督网络流量分类方法。

背景技术

随着大数据时代的到来，新型互联网应用层出不行，网络的组成成分也日益复杂。为了能够更好地实施网络管理及网络安全措施，网络管理者需要对海量的网络流量类型及其安全等级进行感知。在过去的十几年中，网络流量分类方法对优化网络配置，减少网络安全风险以及提高用户服务质量起到了重要作用。

传统的网络流量分类方法可以分为以下三类：

基于端口号的方法：该方法的原理是根据IANA(Internet Assigned NumbersAuthority)发布的Service Name and Transport Protocol Port Number Registry中端口号与特定应用的映射表，通过读取网络数据包包头中16位的端口号信息来确定未知流量的类别。这种分类方法原理简单，只需要在网络流中确定某个数据包头的源、目的端口的数值与端口映射表相比较即可，具有较低的时间复杂度，易于实现。但该方法面临以下问题：有些应用使用动态端口，在数据传输中端口不断变化；端口伪造技术的发展使得一些应用程序使用其他知名端口进行数据传输，进而造成误判；一些P2P应用在端口号中随机进行选择无固定端口号。上述种种问题使得基于端口的分类方法的准确率较低。

基于深度包检测(DPI，Deep Packet Inspection)的方法通过匹配各种网络业务的应用层报文特征来进行对未知流量的识别。该方法可以有效克服动态端口、端口伪造等问题带来的干扰，具有较高的识别准确率，但仍存在以下几种问题：特征匹配算法复杂度高，面对庞大的数据量往往无法收敛；该方法只能分析明文传输的数据流量，对于现在很多应用实施的加密流量则无法进行解析；该方法将分析用户所传输的具体内容，可能会对用户的隐私造成侵犯。

基于机器学习(Machine Learning)的方法基于网络流量的统计特征进行对未知流量的识别。常见的流统计特征有：包大小、包到达时间间隔、网络空闲和活跃时间等等。以上述统计特征表示的网络流量作为机器学习模型的输入，通过一定的训练方法可以实现基于机器学习模型的网络流量识别。常见的机器学习算法，如支持向量机(SVM，SupportVector Machines)、朴素贝叶斯(Bayes)和决策树(DT,Decision Tree)等已经被用于网络流量识别工作中。但是，基于流统计特征的机器学习识别方法需要大量带有标签的经验数据来训练构造分类器，获取大量带标签的数据需要耗费大量人力物力，且标签的准确性尚有待考证。

发明内容

本发明的目的是提供一种半监督网络流量分类方法，具有较高的分类识别准确度。

本发明的目的是通过以下技术方案实现的：

一种半监督网络流量分类方法，包括：

预先使用一定数量的网络流量数据无监督的训练特征提取模块，以及使用若干有标签网络流量数据和一定数量的无标签网络流量数据无监督的训练半监督流量分类模块；

利用训练好的特征提取模块从原始网络流量数据中提取隐含表达特征，再利用训练好的半监督流量分类模块，基于提取到的隐含表达特征对相应原始网络流量数据进行分类。