公开(公告)号：CN117768364A

公开(公告)日：2024-03-26

申请号：CN202311785986.3

申请日：2023-12-22

申请人： 中国人民解放军国防科技大学

发明人： 魏子令 ,  李敬之 ,  陈曙晖 ,  王飞 ,  虞万荣 ,  赵双 ,  赵涛

IPC分类号： H04L43/0876 ,  H04L43/04 ,  H04L43/026 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082

摘要： 本申请涉及基于网络流的轻量级操作系统识别方法、系统及设备，该方法通过利用训练好的全新轻量级操作系统识别模型对待进行操作系统识别的测试数据进行识别处理，实现快速且准确的设备操作系统版本信息识别输出。其中，轻量级操作系统识别模型包括卷积层、池化层和全连接层等主体结构，卷积层利用了轻量级机器学习技术提出的Fire模块设计，研究设计中融合了模型修剪和数据量化等方法，使得轻量级操作系统识别模型得以实现并且充分适应于公开数据集和通用流量数据，从网络流中提取出高阶的识别特征用于轻量级的模型训练和系统识别，大幅提高了识别速率且提高了操作系统识别的细粒度区分能力。

公开(公告)号：CN111224892B

公开(公告)日：2023-08-01

申请号：CN201911369842.3

申请日：2019-12-26

申请人： 中国人民解放军国防科技大学

发明人： 陈曙晖 ,  王飞 ,  赵双 ,  李振兴 ,  陈璐 ,  王小峰 ,  张博锋

IPC分类号： H04L47/2441 ,  G06F18/2431

摘要： 本发明涉及一种基于FPGA随机森林模型的流量分类方法及系统。所述方法包括：获取待分类的网络数据流和经过软件训练的随机森林模型；控制FPGA存储所述待分类的网络数据流并加载所述随机森林模型；提取所述待分类的网络数据流的特征参量；根据所述特征参量和所述随机森林模型对所述待分类的网络数据流进行分类。本发明的基于FPGA随机森林模型的流量分类方法及系统，能够直接通过软件修改随机森林模型参数，再由FPGA硬件实现数据流的分类，在需要修改随机森林模型参数时，可直接通过软件进行修改，无需修改FPGA的硬件，以软件作为FPGA的硬件驱动，从而加快了网络数据流的分类速度。

公开(公告)号：CN111224894A

公开(公告)日：2020-06-02

申请号：CN201911400831.7

申请日：2019-12-30

申请人： 中国人民解放军国防科技大学

发明人： 王飞 ,  刘俊秋 ,  陈曙晖 ,  赵双 ,  王小峰 ,  庞立会 ,  孙一品

IPC分类号： H04L12/851 ,  H04L29/08

摘要： 本发明涉及一种针对iOS设备的流量采集标记方法及系统。该方法包括：获取客户端的规则列表；所述规则列表包括所有代理软件的bundle ID；所述代理软件为iOS设备上待监控的软件；获取客户端发送的所述代理软件的流量相关信息；获取服务端捕获的所有流量数据；所述服务端捕获的所有流量数据为所述iOS设备上待监控的所有软件的网络流对应的流量数据；获取流量分类提取规则；根据所述流量相关信息，按照所述流量提取规则，从所述服务器捕获的所有流量数据中提取分类流量。本发明可以实现iOS设备的流量采集工作。

公开(公告)号：CN109086815A

公开(公告)日：2018-12-25

申请号：CN201810820317.8

申请日：2018-07-24

申请人： 中国人民解放军国防科技大学

发明人： 孙一品 ,  赵双 ,  陈曙晖 ,  王飞 ,  苏金树

IPC分类号： G06K9/62 ,  H03M7/24

摘要： 本发明属于机器学习领域，针对现有基于FPGA的包含浮点阈值的决策树模型的硬件实现方法无法在降低硬件巨大存储和计算资源的同时保持模型的分类性能的问题，提供一种基于FPGA的决策树模型中的浮点数阈值离散化方法，包括以下步骤：第一步，离散化决策树模型中的浮点数阈值；第二步，离散化待分类样本的浮点数特征；第三步，基于层级流水的决策树加速模型对待分类样本分类识别。本发明通过离散化轴平行二叉决策树模型中的浮点数阈值，将模型中的浮点数转换为整数，在不改变模型的分类性能的前提下减少硬件实现需要的存储和计算资源，优化硬件实现方案。

公开(公告)号：CN114143301A

公开(公告)日：2022-03-04

申请号：CN202111483776.X

申请日：2021-12-07

申请人： 中国人民解放军国防科技大学

发明人： 陈曙晖 ,  朱智豪 ,  王飞 ,  魏子令 ,  赵双 ,  陈荣茂 ,  邢倩倩

IPC分类号： H04L67/02 ,  H04L47/2483 ,  H04W28/02 ,  G06F16/955

摘要： 本发明涉及一种移动流量应用识别特征提取方法及系统。所述方法包括：获取目标移动应用的移动应用流量；提取移动应用流量中的各HTTP请求报文中的URL字段；对各URL字段进行处理得到左值集合，并将目标移动应用的名称与左值集合确定为原始数据；使用FP‑Growth算法对原始数据依次进行频繁项集和关联规则的提取得到关联规则；确定关联规则的左侧为目标移动应用的移动流量应用识别特征。本发明通过采用FP‑Growth算法对原始数据进行处理得到移动流量应用识别特征，实现了自动提取移动流量应用识别特征。

公开(公告)号：CN111222547B

公开(公告)日：2021-08-17

申请号：CN201911389924.4

申请日：2019-12-30

申请人： 中国人民解放军国防科技大学

发明人： 王飞 ,  陈曙晖 ,  沈亮 ,  赵双 ,  李振兴 ,  李京秦 ,  刘宇静 ,  邢倩倩

IPC分类号： G06K9/62

摘要： 本发明涉及一种面向移动应用的流量特征提取方法及系统，方法包括：采集移动设备上的数据信息；对所述数据信息进行预处理；获取应用ID并构建为应用特征；基于所述应用特征对预处理后的数据信息进行ID特征识别，筛选出不能识别的数据信息；将应用ID不能识别的数据信息聚类成高度相似的网络流集合；提取每个集合内请求报文的最长公共子序列，并剔除所述最长公共子序列中所有有变化的字段和无关值，得到数据结构化特征；根据所述数据结构化特征代表的网络流在不同应用中出现的频率判定特征最后归属。本发明中的上述方法能够高效准确的识别应用网络流量。