-
公开(公告)号:CN111224893A
公开(公告)日:2020-06-02
申请号:CN201911400640.0
申请日:2019-12-30
申请人: 中国人民解放军国防科技大学
IPC分类号: H04L12/851 , H04L12/927 , H04L29/06 , H04L12/46
摘要: 本发明公开了一种基于VPN的安卓手机流量采集与标注系统及方法。本发明采用VPN客户端监测安卓手机应用的所有网络访问请求,并将所产生的流量导出进行分析,无需root即可安装使用,让大规模的安装部署成为可能;利用安卓系统软件包管理的UID机制实现网络流与具体应用的匹配,从而达到流量标注的目的。本发明客户端-服务器的设计极大提升了流量采集与标注的效率与可扩展性,能够在用户体验不受影响的前提下收集安卓设备的网络流量与流量相关的信息,实现在大规模流量采集的基础上获取应用、设备级别的流量分类标签数据。由于本发明采用客户端从移动流量的产生源头出发,通过操作系统提供的网络流的精确源头信息来标注流量,能够提高流量标注的准确性。
-
公开(公告)号:CN111224892A
公开(公告)日:2020-06-02
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
IPC分类号: H04L12/851 , H04L12/911
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:CN109151880A
公开(公告)日:2019-01-04
申请号:CN201811326852.4
申请日:2018-11-08
申请人: 中国人民解放军国防科技大学
CPC分类号: H04W24/08
摘要: 本发明属于网络流量分析领域,针对现有移动应用流量识别方法不能检测和处理背景流量的问题,提供一种基于多层分类器的移动应用流量识别方法,技术方案如下:第一步,提取流量训练集的特征,得到流量样本的特征表示;第二步,训练第一层分类器,将待检测样本初步检测为目标流量或背景流量;第三步,训练第二层分类器,对目标流量进行细粒度识别;第四步,训练第三层分类器;第五步,使用训练好的多层分类器对待检测样本进行移动应用流量识别。本发明充分考虑了真实网络中的流量分布情况,在不具备完备的背景流量数据集的情况下,通过逐层学习目标流量样本特征,从而使分类器在识别目标流量的同时也能排除背景流量,降低分类器的伪正数。
-
公开(公告)号:CN109086815B
公开(公告)日:2021-08-31
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
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:CN111222547A
公开(公告)日:2020-06-02
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
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。
-
公开(公告)号:CN118353820A
公开(公告)日:2024-07-16
申请号:CN202410450698.0
申请日:2024-04-15
申请人: 中国人民解放军国防科技大学
IPC分类号: H04L43/0876 , H04L43/04 , H04L9/40 , G06F21/32
摘要: 本申请涉及基于知识融合的双分支原型网络网站指纹识别系统和方法,该系统通过在构建基于一维神经网络模型的网站指纹识别特征提取器的基础上,利用小样本学习的方法结合原型网络思想,将流量数据样本转化为一维方向序列,利用神经网络从中提取高维特征并基于流量定制增强进行KP‑WF网站指纹元训练以优化高维特征提取器。在获得高维特征提取器之后,利用高维特征提取器的主干网络特征提取器参数以极少量样本建立逻辑回归分类器,以获得在目标任务中的分类能力,最终建立了双分支的模型结构,能够利用少量辅助数据集、少量目标数据集在跨域场景下进行准确的网站指纹识别。
-
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
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
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
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
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。
-
-
-
-
-
-
-
-
-