[发明专利]基于机器学习的网络流量协议识别方法和装置

权利要求书

1.一种基于机器学习的网络流量协议识别方法，其特征在于，包括：

获取预先构建好的协议识别模型；

采集实时网络流量，并从所述实时网络流量中提取实时协议特征信息；

将所述实时协议特征信息输入至所述协议识别模型中，得到所述实时网络流量对应的协议类型；

在所述获取预先构建好的协议识别模型之前，所述方法还包括：

根据样本数据和预设监督式学习规则，对初始协议识别模型进行训练，得到训练好的协议识别模型；

其中，所述样本数据包括训练网络流量的训练协议特征信息以及相应训练网络流量的标准协议类型，所述初始协议识别模型包括协议特征信息与协议类型之间的映射关系，所述根据样本数据和预设监督式学习规则，对初始协议识别模型进行训练，得到训练好的协议识别模型包括：

将所述样本数据中的训练协议特征信息输入至所述初始协议识别模型，得到所述训练协议特征信息对应的预测协议类型；将所述预测协议类型和所述标准协议类型进行比较，得到比较结果；根据所述比较结果，对所述初始协议识别模型的映射关系进行迭代优化，直至收敛，得到训练好的协议识别模型；

所述映射关系包括多个协议特征参数以及每一所述协议特征参数的权值参数，所述根据所述比较结果，对所述初始协议识别模型的映射关系进行迭代优化，直至收敛，得到训练好的协议识别模型包括：

根据所述比较结果，调整所述协议特征参数的权值参数，以对所述初始协议识别模型的映射关系进行迭代优化，直至收敛，得到训练好的协议识别模型。

2.根据权利要求1所述的方法，其特征在于，在所述根据样本数据和预设监督式学习规则，对初始协议识别模型进行训练，得到训练好的协议识别模型之前，所述方法还包括：

获取所述样本数据；

将协议特征信息作为输入参量，将协议类型作为输出参量，构建所述初始协议识别模型。

3.根据权利要求1所述的方法，其特征在于，所述预设监督式学习规则包括朴素贝叶斯分类规则。

4.根据权利要求2所述的方法，其特征在于，所述获取所述样本数据包括：

获取训练网络流量；

从所述训练网络流量中提取训练协议特征信息；所述训练协议特征信息包括端口、数据包长度、数据包内容中的秘钥和所述秘钥的次序；

获取预先配置的端口与协议类型之间的对应关系；

根据所述对应关系，对所述训练协议特征信息进行协议类型标识处理，得到所述样本数据。

5.根据权利要求1所述的方法，其特征在于，所述根据所述比较结果，调整所述协议特征参数的权值参数，以对所述初始协议识别模型的映射关系进行迭代优化，直至收敛，得到训练好的协议识别模型包括：

在一次迭代中，根据所述比较结果，计算本次迭代对应的识别可信度；

将所述识别可信度与预设可信度阈值进行比较；

若所述识别可信度小于所述预设可信度阈值，则调整所述协议特征参数的权值参数，以对所述初始协议识别模型的映射关系进行迭代优化；

若所述识别可信度大于或者等于所述预设可信度阈值，则停止迭代，并将本次迭代对应的协议识别模型作为训练好的协议识别模型。

6.根据权利要求1所述的方法，其特征在于，在所述根据样本数据和预设监督式学习规则，对初始协议识别模型进行训练，得到训练好的协议识别模型之后，所述方法还包括：

从所述样本数据中抽取部分数据作为校验数据；

根据所述校验数据对训练好的协议识别模型进行校验，得到校验结果；

根据所述校验结果，调整所述协议特征参数的权值参数，得到校验后的协议识别模型。