[发明专利]一种对网络流量进行分类的方法和分类装置

说明书

本发明公开了一种对网络流量进行分类的方法和分类装置，该方法包括：获取包括多个数据包的网络流量；对网络流量进行解析，得到网络流量的安全协议信息、流信息和指定数量的数据包的负载信息；对安全协议信息、流信息和指定数量的数据包的负载信息进行转换得到目标图片；基于深度学习网络对目标图片进行识别，确定网络流量所属的应用。在本发明中，获取网络流量的安全协议信息、流信息和指定数量的数据包的负载信息，对安全协议信息、流信息和指定数量的数据包的负载信息进行转换得到目标图片，采用此种方式，把网络流量转成深度学习网络可分析的格式，可以对网络流量进行分类。

技术领域

本发明属于网络通信技术领域，更具体地，涉及一种对网络流量进行分类的方法和分类装置。

背景技术

随着人们的网络安全意识不断提高，在安全和隐私保护需求的驱动下，网络通信加密化已成为不可阻挡的趋势，加密网络流量呈现爆炸增长，加密流量中又几乎全是HPPTS(Hyper Text Transfer Protocol over SecureSocket Layer，简写为HPPTS)类型的加密。HTTPS的推出，原本旨在在不安全的网络上建立安全信道，通过服务器证书验证和数据包加密，使得网页基本不会被篡改，保证用户端收到的数据内容正确，这对支付类网页尤其重要，这种方式既能防止各种窃听又能防范中间人攻击。

但是流量加密是把双刃剑，在对隐私进行保护的同时，也带来诸多问题，例如，无处不在的网络黑产(爬虫、刷量、薅羊毛)，越来越多的恶意网络服务通过加密和隧道技术绕过防火墙和入侵检测系统，恐怖分子经常使用加密的通信工具等等。流量加密也使得基于流量识别的系统或产品变得不可用，例如应用路由、网络可视化管理和内容计费等等，这些产品本身并不关心数据包中所含的信息，举例而言，对于微信聊天所发送的报文，这些系统并不关心聊天内容，而仅仅想知道这是微信APP产生的报文。由于HTTPS的广泛使用，虽然保证内容安全，但是使得基于特征分析的传统流量分析方法失效。

鉴于此，克服该现有技术产品所存在的不足是本技术领域亟待解决的问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种对网络流量进行分类的方法和分类装置，其目的在于，把网络流量转成图片，深度学习网络通过对图片的分析，可以学习到特征信息之间的关联关系，而这些特征关系有可能符合某一个应用的特征，由此可以对网络流量进行分类

为实现上述目的，按照本发明的一个方面，提供了一种对网络流量进行分类的方法，所述方法包括：

获取包括多个数据包的网络流量；

对所述网络流量进行解析，得到所述网络流量的安全协议信息、流信息和指定数量的所述数据包的负载信息；

对所述安全协议信息、流信息和指定数量的所述数据包的负载信息进行转换得到目标图片；

基于深度学习网络对所述目标图片进行识别，确定所述网络流量所属的应用。

优选地，所述基于深度学习网络对所述目标图片进行识别，确定所述网络流量所属的应用包括：

通过所述深度学习网络对所述目标图片进行识别，得出第一分类概率和第二分类概率，其中，所述第一分类概率在全部分类结果中概率值最大，所述第二分类概率仅低于所述第一分类概率；

判断所述第一分类概率与所述第二分类概率的概率差值是否大于预设的概率阈值；

若大于所述预设的概率阈值，则所述网络流量所属的应用为所述第一分类概率对应的应用。

优选地，所述基于深度学习网络对所述目标图片进行识别，确定所述网络流量所属的应用还包括：

若不大于所述预设的概率阈值，则获取所述网络流量的目的IP地址；

将所述网络流量的目的IP地址与IP地址库进行匹配；