[发明专利]一种终端应用数据流识别方法及系统

权利要求书

1.一种终端应用数据流识别方法，其特征在于，包括以下步骤：

S1、对实时采集的待识别终端应用数据流进行预处理，得到按照五元组信息进行分类后的多个类别的数据包集合；

S2、对所得各类别的数据包集合，提取其第一数据特征，分别与多个预设应用业务的特征进行匹配，若能够与任意一种预设应用行为的特征匹配成功，则该类别的数据包集合中的所有数据包的所属应用业务均为该预设应用业务，操作结束；否则，转至步骤S3；

S3、对所得各类别的数据包集合，提取其第二数据特征，并输入到预训练好的数据流识别模型中，对数据流进行识别；

其中，所述数据流识别模型为机器学习模型，用于识别数据流中各数据包的所属应用业务。

2.根据权利要求1所述的终端应用数据流识别方法，其特征在于，所述数据流识别模型的训练方法，包括以下步骤：

S01、采集若干终端应用数据流，并标注各数据流中的各数据包的所属应用业务；

S02、分别对各数据流进行预处理，得到按照五元组信息进行分类后的多个类别的数据包集合，提取各数据包集合的第二数据特征，与其所属应用业务一起构成训练集；

S03、将所得训练集输入到数据流识别模型中进行训练，得到预训练好的数据流识别模型。

3.根据权利要求1或2所述的终端应用数据流识别方法，其特征在于，对数据流进行预处理的方法，包括：对数据流中的数据包，每隔预设数量进行分组，将每组中的数据包按照五元组信息进行分类，得到多个类别的数据包集合。

4.根据权利要求3所述的终端应用数据流识别方法，其特征在于，所述预设数量为60。

5.根据权利要求1所述的终端应用数据流识别方法，其特征在于，所述第一数据特征包括：传输层协议和特征字符串。

6.根据权利要求1或2所述的终端应用数据流识别方法，其特征在于，所述第二数据特征包括：

最大包长：数据包集合中数据包的最大长度；

平均下载包长：数据包集合中下载包的包长平均值；

每秒传送包数：传输数据包集合中数据包时每秒传输的包数；

服务器端口：传输数据包集合中各数据包时与终端进行通信的服务器端口；

平均上传负载长度：数据包集合中上传包的负载长度的平均值；

最小包长：数据包集合中数据包的最小长度；

平均上传包长：数据包集合中上传包的包长平均值；

平均下载负载长度：数据包集合中下载包的负载长度的平均值；

平均负载长度：数据包集合中数据包的负载长度的平均值；

其中，数据包集合中的数据包为上传包或下载包；下载包为服务器传输到终端的数据包；上传包为终端传输到服务器的数据包。

7.一种终端应用数据流识别系统，其特征在于，包括：数据预处理模块、模型训练模块和数据流识别模块；

所述数据预处理模块用于对数据流进行预处理，得到按照五元组信息进行分类后的多个类别的数据包集合；

所述模型训练模块用于采集若干终端应用数据流，并标注各数据流中的各数据包的所属应用业务，将各数据流输入到数据预处理模块中，得到按照五元组信息进行分类后的多个类别的数据包集合，提取各数据包集合的第二数据特征，与其所属应用业务一起构成训练集，并将所得训练集输入到数据流识别模型中进行训练，得到预训练好的数据流识别模型；

所述数据流识别模块用于将实时采集的待识别终端应用数据流输入到数据预处理模块中，得到按照五元组信息进行分类后的多个类别的数据包集合，对所得各类别的数据包集合，提取其第一数据特征，分别与多个预设应用业务的特征进行匹配，若能够与任意一种预设应用行为的特征匹配成功，则该类别的数据包集合中的所有数据包的所属应用业务均为该预设应用业务，操作结束；否则，对所得各类别的数据包集合，提取其第二数据特征，并输入到预训练好的数据流识别模型中，对数据流进行识别；

其中，所述数据流识别模型为机器学习模型，用于识别数据流中各数据包的所属应用业务。