[发明专利]基于RIPPER算法的未知操作系统类型识别方法在审
| 申请号： | 201810508945.2 | 申请日： | 2018-05-24 |
| 公开（公告）号： | CN108846275A | 公开（公告）日： | 2018-11-20 |
| 发明（设计）人： | 玄世昌;苘大鹏;王巍;杨武;赵家帅 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06F21/44 | 分类号： | G06F21/44;G06K9/62;H04L29/06 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的是一种基于RIPPER算法的未知操作系统类型识别方法。(1)数据集的收集；(2)指纹数据处理；(3)指纹的特征预处理；(4)RIPPER模型的学习与训练；(5)未知操作系统识别及验证。本发明的识别方法克服了SVM在未知指纹识别时，如果指纹库中的特征较多，经向量化后的指纹数据维数会很高，导致建模时间增加以及分类器效率降低，从而操作系统指纹识别的准确率和速率下降。以及决策树在未知指纹识别时，建立依赖于树的生成，树的建立过程是对整个空间的递归划分、建立局部模型的过程，往往比较耗时，导致未知操作系统识别的效率会降低。实现了在未知操作系统类型识别时准确率和效率上的提高。 | ||
| 搜索关键词： | 操作系统类型 指纹识别 准确率 算法 操作系统 指纹 预处理 操作系统指纹 局部模型 时间增加 效率降低 整个空间 指纹数据 数据处理 分类器 决策树 数据集 指纹库 递归 建模 经向 维数 耗时 验证 量化 学习 | ||
【主权项】：
1.一种基于RIPPER算法的未知操作系统类型识别方法，其特征是：(1)数据集的收集：获取p0f指纹库加入到数据集，并收集网络流量数据来丰富和完善数据集；(2)指纹数据处理：通过收集的大量网络流量数据，利用基于libpacp的定制工具对数据包进行处理，获取包头中对操作系统是被有关的字段和信息，生成p0f格式指纹，和p0f指纹库一起作为训练和学习的数据集；(3)指纹的特征预处理：分析p0f指纹各个属性的取值范围，将各个属性统一用数值进行表示，并将其生成akff格式供Weka进行分类训练；(4)RIPPER模型的学习与训练：将已经预处理的数据集输入RIPPER进行训练，生成可识别未知操作系统类型的RIPPER模型；(5)未知操作系统识别及验证：新的未知操作系统指纹输入分类器，给出未知操作系统类型的预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810508945.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种安全验证方法、装置及终端
- 下一篇：登录处理方法、装置、电子设备及服务器
