[发明专利]一种加密流量分类方法、系统、设备及可读存储介质

说明书

本发明公开一种加密流量分类方法、系统、设备及可读存储介质，通过采用袋外数据对预训练模型的模型特征进行重要性度量，得到模型特征重要性排序，取模型特征排序结果效果最好的前UN个模型特征作为预训练模型的有效特征，提取出的特征能准确刻加密流量的特点，以提取出的数值特征训练预训练模型，能够提高加密流量分类的准确性，采用主被动探测结合的方式提取特征，能极大的提高加密流量分类的准确性，提高了特征的全面性，基于所提取的特征，构建加密流量分类方法，有效特征提高了特征的精简性，有效特征的全面性和精简性，节省分类模型构建的时间和空间成本，提高检测效率和精准度，同时也能提高分类的准确率，有利于互联网安全分类的使用。

技术领域

本发明属于网络安全与用户隐私领域，特别涉及一种加密流量分类方法、系统、设备及可读存储介质。

背景技术

近年来，随着互联网的高速发展，网络已经紧密地融入我们的生产与生活，网络安全也成为一个不可忽视的问题。在日常生活中，人们的网络安全意识也逐渐提高，越来越多的用户和企业开始重视信息的保护和安全传输。基于加密流量的分类技术，可以用来实现网络的安全监管，特别是非法业务和不良信息的监管。加密流量分类可以分析出用户使用的加密代理流量类别，目前，加密流量的分析主要是基于网站指纹识别技术。网站指纹识别就是一种基于机器学习算法识别通过加密方式访问的网站，通过对网络流量的特征提取并结合有监督的分类技术对网站进行分类的技术。其中，这种技术的关键就在于通过提取的特征对能够对网站分类的分类模型的构建过程，所以提取的特征对加密流量分类的准确性有较大的影响，而目前基于加密流量的分类技术基于特征提取比较繁琐，而且准确率低。

发明内容

本发明的目的在于提供一种加密流量分类方法、系统、设备及可读存储介质，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种加密流量分类方法，包括以下步骤：

S1，采用袋外数据对预训练模型的模型特征进行重要性度量，得到模型特征重要性排序，取模型特征排序结果效果最好的前UN个模型特征作为预训练模型的有效特征；

S2，利用有效特征对预训练模型进行优化训练，得到最终的加密流量分类器模型，利用加密流量分类器模型进行加密流量的分类。

进一步的，预训练模型采用样本集合进行预训练。

进一步的，预训练模型具体通过以下方法获得：

a、采集加密流量样本集合，加密流量样本集合中的每一个加密流量样本为原始流量文件；对原始流量文件进行预处理，分离匿名代理工具产生的流量，筛选有效流，统一流量方向，得到加密流量序列；

b、根据加密流量获取被动探测特征和主动探测特征，利用获取的被动探测特征和主动探测特征对随机森林模型进行训练，得到预训练模型。

进一步的，原始流量文件包括数据包和唯一的加密流量类型标签，加密流量序列包括服务器地址、目标端口号、传输所用的协议号、流量起止时间、流量上下行字节数和上下行数据包的数目。

进一步的，被动探测特征包括基础特征N、时间维度特征、空间维度特征、首荷载包的ASCII码均值特征和首段数据包荷载分布特征四种衍生特征。

进一步的，主动探测特征包括远程主机的whois信息和端口信息；根据数据包的远程主机IP地址对远程主机进行扫描得到用于加密流量分类器模型训练的主动探测特征。

进一步的，以得到的加密流量样本的有效特征序列L_U作为输入，训练随机森林分类模型得到最终分类模型；将待分类的加密流量数据进行预处理得到待分类加密流量序列，将待分类的加密流量数据和待分类加密流量序列输入最终分类模型中，加密流量分类器模型综合所有决策树的独立判定结果输出综合判定结果。

一种加密流量分类系统，包括预训练模块和分类器模块，