流量的準(zhǔn)確識(shí)別不僅可以對(duì)互聯(lián)網(wǎng)的運(yùn)行情況產(chǎn)生突破性的改進(jìn),而且可以根據(jù)具體需求對(duì)用戶的行為進(jìn)行準(zhǔn)確的掌控和分析,從而可以完成用戶畫(huà)像的構(gòu)建和網(wǎng)站頁(yè)面的個(gè)性化推薦,具有很強(qiáng)的市場(chǎng)應(yīng)用價(jià)值。然而,目前市面上應(yīng)用類型不僅繁多,某些應(yīng)用采取加密傳輸例如SSL,要精準(zhǔn)的識(shí)別各類應(yīng)用流量,傳統(tǒng)的方法是依靠特定端口、靜態(tài)簽名等作為特征進(jìn)行識(shí)別,不僅耗時(shí)而且準(zhǔn)確率不高。為了解決這一問(wèn)題,本文采用神經(jīng)網(wǎng)絡(luò)算法模型,通過(guò)添加識(shí)別標(biāo)簽,對(duì)數(shù)據(jù)有效載荷進(jìn)行特征提取,從而完成IM(Instant Messenger)流量識(shí)別。論文中首先介紹了流量識(shí)別的主要方法和國(guó)內(nèi)外的研究現(xiàn)狀,并分析了其存在的問(wèn)題,接著,將流量識(shí)別模型中涉及的相關(guān)技術(shù)進(jìn)行了依次闡述,本文構(gòu)建的流量識(shí)別模型主要可以分為4大模塊,在數(shù)據(jù)采集模塊中首先完成了報(bào)文數(shù)據(jù)的半自動(dòng)化抓取,為了克服半自動(dòng)化抓取效率慢的問(wèn)題,實(shí)現(xiàn)了對(duì)報(bào)文數(shù)據(jù)全自動(dòng)化抓取,利用數(shù)據(jù)處理模塊完成對(duì)數(shù)據(jù)的清洗工作,最后通過(guò)構(gòu)建有效的分類模型,完成APP的識(shí)別。同時(shí),本論文采用其他可解釋性更強(qiáng)的、運(yùn)行效率更高的ML分類算法應(yīng)用在流量識(shí)別的領(lǐng)域內(nèi),如隨機(jī)森林和XGboost,在保證模型...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1MonkeyRunner運(yùn)行截圖

圖2-1MonkeyRunner運(yùn)行截圖PC端觸發(fā)的所有動(dòng)作都會(huì)以坐標(biāo)的形式記錄下來(lái)，獲得某個(gè)應(yīng)用產(chǎn)生的報(bào)需要大量重復(fù)當(dāng)前坐標(biāo)的行為即可。MonkeyRunner這個(gè)工具的主要目的不試使用即運(yùn)行單元測(cè)試套件，同時(shí)，它也可以從大的層面如框架級(jí)別或者功試上作為插件運(yùn)行在設(shè)....

圖2-2數(shù)據(jù)流圖

圖2-2數(shù)據(jù)流圖crapy運(yùn)行流程大概如下：擎從調(diào)度器中取出一個(gè)鏈接(URL)用于接下來(lái)的抓取，引擎把URL封裝成一個(gè)uest)傳給下載器，下載器把資源下載下來(lái)，并封裝成應(yīng)答包(Response)，爬蟲(chóng)ponse，解析出實(shí)體(Item)，則交給實(shí)體管道進(jìn)行進(jìn)一步的處理，....

圖2-3七層參考模型

圖2-3七層參考模型如圖2-3所示，報(bào)文的產(chǎn)生，都是層層協(xié)議封裝下的已編碼的字節(jié)流，本論文是的有效載荷提取特征進(jìn)行應(yīng)用識(shí)別，所以需要對(duì)報(bào)文數(shù)據(jù)進(jìn)行解析，撥離固定頭，從而提取有效載荷，以TCP協(xié)議為例，TCP(TransmissionControlProtocol)....

圖2-4TCP報(bào)文格式源端口號(hào)：數(shù)據(jù)報(bào)來(lái)源主機(jī)的端口號(hào)

圖2-3七層參考模型圖2-3所示，報(bào)文的產(chǎn)生，都是層層協(xié)議封裝下的已編碼的字節(jié)流，本論文有效載荷提取特征進(jìn)行應(yīng)用識(shí)別，所以需要對(duì)報(bào)文數(shù)據(jù)進(jìn)行解析，撥離固定從而提取有效載荷，以TCP協(xié)議為例，TCP(TransmissionControlProtocol)傳是一種面....

本文編號(hào)：3967693