[发明专利]一种基于K-means聚类和随机森林算法的移动应用程序识别方法在审
| 申请号： | 201811422296.0 | 申请日： | 2018-11-27 |
| 公开（公告）号： | CN109726735A | 公开（公告）日： | 2019-05-07 |
| 发明（设计）人： | 陈丹伟;朱迪 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210023 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于K‑means聚类和随机森林算法的移动应用程序识别方法，首先将一个时间段的加密数据流根据TCP会话特点离散化为若干个数据流，每个数据流采用输入分组时间序列、输出分组时间序列和输入输出分组时间序列表示；再对每条数据流对应的三个时间序列进行数学统计，获取数据包的统计特征；之后通过K‑means聚类算法对加密数据流的统计特征聚类分析；并通过熵的计算方法对聚类分析所得到的每个聚类簇的纯度打分，过滤掉纯度较低的聚类簇中的样本；最后通过随机森立算法对过滤后的聚类簇作为数据集进行建模，实现对加密刘所述移动应用类型的识别。本方法将有监督学习和无监督学习相结合，实现了在应用类型种类繁多的加密流量中准确地识别出不同的移动应用类型。 | ||
| 搜索关键词： | 时间序列 数据流 聚类簇 算法 移动应用程序 加密数据流 聚类分析 输出分组 随机森林 统计特征 移动应用 过滤 无监督学习 加密流量 聚类算法 输入分组 数学统计 应用类型 时间段 数据包 数据集 建模 聚类 加密 样本 监督 学习 | ||
【主权项】：
1.一种基于K‑means聚类和随机森林算法的移动应用程序识别方法，其特征在于，包括如下步骤：步骤S1、将一个时间段的加密数据流根据TCP会话特点离散化为若干个数据流，每个数据流采用输入分组时间序列、输出分组时间序列和输入输出分组时间序列表示；步骤S2、对每条数据流对应的三个时间序列进行数学统计，获取数据包的统计特征；步骤S3、通过K‑means聚类算法对加密数据流的统计特征聚类分析；步骤S4、通过熵的计算方法对聚类分析所得到的每个聚类簇的纯度打分，并过滤掉纯度较低的聚类簇中的样本；步骤S5、通过随机森立算法对过滤后的聚类簇作为数据集进行建模，实现对加密刘所述移动应用类型的识别。
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南京邮电大学，未经南京邮电大学许可，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/201811422296.0/，转载请声明来源钻瓜专利网。
