發(fā)布時間：2017-12-29 01:24

  本文關(guān)鍵詞：比特流數(shù)據(jù)未知協(xié)議特征發(fā)現(xiàn)技術(shù)研究　出處：《電子科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 特征選擇 機器學(xué)習(xí) 比特流 未知協(xié)議

【摘要】：在信息化愈演愈烈的環(huán)境下,對網(wǎng)絡(luò)的安全性需求也越來越大,無線網(wǎng)絡(luò)以其方便靈活的傳輸特點越來越受到廣大用戶的推崇。然而無線網(wǎng)絡(luò)所特有的傳輸介質(zhì)使其更容易遭受攻擊,特別是采用專有協(xié)議或未知協(xié)議的竊密行為,我們無法從捕獲的數(shù)據(jù)包中直接分析出協(xié)議類型,致使其嚴(yán)重破壞信息的完整性和保密性,危害網(wǎng)絡(luò)安全。除此之外這類協(xié)議缺乏相應(yīng)的協(xié)議規(guī)范查詢,大多使用動態(tài)端口進行通信,而現(xiàn)有的防范技術(shù)大多針對已知協(xié)議,采用基于端口或者有效負(fù)載的常規(guī)方法,不能有效地預(yù)防此類攻擊。對未知協(xié)議進行有效地識別是保障網(wǎng)絡(luò)安全的關(guān)鍵方法,而特征發(fā)現(xiàn)和提取是未知協(xié)議識別中的重要步驟,除此之外,比特流數(shù)據(jù)以其單一、無語義的特點又給未知協(xié)議的特征提取增加了不少難度。本文是在協(xié)議數(shù)據(jù)已經(jīng)進行幀切分的前提下進行特征提取,考慮到比特流數(shù)據(jù)的特殊性,首先需要選擇合適的特征選擇和標(biāo)識算法,其次要驗證該算法在未知協(xié)議識別中的有效性,最后需要選擇出能準(zhǔn)確對協(xié)議進行描述的指紋信息。針對這些關(guān)鍵問題,本文采用機器學(xué)習(xí)中的聚類算法實現(xiàn)數(shù)據(jù)幀的聚類操作,設(shè)計了一種基于最大相關(guān)最小冗余的無監(jiān)督的特征選擇算法進行數(shù)據(jù)幀的特征提取。在基于機器學(xué)習(xí)的數(shù)據(jù)幀聚類算法中,通過分析每一種算法在數(shù)據(jù)幀聚類中的精確率和召回率,選擇出一種性能最好的算法,對其加以改進,使之適用于未知協(xié)議的聚類中,從而驗證后續(xù)特征選擇算法的有效性。在無監(jiān)督的特征選擇算法中,通過數(shù)據(jù)幀的單元切分,篩選和拼接得到長串,然后選擇合適的閾值對長串進行篩選得到特征候選串,在特征候選串的基礎(chǔ)上選擇出指定個數(shù)的特征。最后,對協(xié)議數(shù)據(jù)幀進行聚類,通過聚類效果對特征選擇算法進行評估,并分析特征串的具體含義。為了驗證本文所提出的未知協(xié)議特征發(fā)現(xiàn)方法的正確性和有效性,本文定義了一系列的評價指標(biāo),并設(shè)計了相應(yīng)的實驗進行驗證和評估,通過實驗結(jié)果可以發(fā)現(xiàn),本文所提出的特征提取算法在協(xié)議識別中能夠達到高于99%的準(zhǔn)確率,并且能夠?qū)f(xié)議本身的特征提取出來,這說明本文所提出的特征提取算法可以有效地對未知協(xié)議進行特征提取。
[Abstract]:......
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN915.08
，

本文編號：1348257