基于TCP流特征提取技術(shù)的網(wǎng)絡(luò)流量識別應(yīng)用研究.pdf

1、網(wǎng)絡(luò)流量識別作為網(wǎng)絡(luò)管理與安全分析的基礎(chǔ)，在網(wǎng)絡(luò)安全態(tài)勢感知中發(fā)揮著至關(guān)重要的作用。隨著互聯(lián)網(wǎng)的迅猛發(fā)展，使用私有協(xié)議或加密協(xié)議的新型業(yè)務(wù)層出不窮，它們的出現(xiàn)使得傳統(tǒng)的基于端口與基于深度包檢測的流量識別技術(shù)逐漸失效。深度流檢測技術(shù)(Deep Flow Inspection，DFI)由于其高效性以及可識別加密的網(wǎng)絡(luò)業(yè)務(wù)等特點(diǎn)，在流量識別領(lǐng)域受到越來越多的關(guān)注?，F(xiàn)有的基于DFI的流量識別技術(shù)在處理惡意入侵檢測以及設(shè)備識別等問題時，由于特征不

2、足或者相異度量選擇不當(dāng)?shù)仍蚴沟盟鼈兊淖R別率普遍較低，進(jìn)而導(dǎo)致網(wǎng)絡(luò)安全以及服務(wù)質(zhì)量無法得到有效的保障。因此，對于不同流量識別場景中的相異度量算法以及特征提取算法的研究在網(wǎng)絡(luò)安全態(tài)勢感知中有著極其重要的意義。
　　本文結(jié)合TCP流的傳輸特征，提出了新的相異性度量算法以及特征提取算法，并對網(wǎng)絡(luò)流量識別中的惡意入侵檢測問題與智能設(shè)備識別問題進(jìn)行了研究。針對惡意入侵檢測技術(shù)研究現(xiàn)狀，本文首先對相異性度量在無監(jiān)督式惡意入侵檢測技術(shù)中的應(yīng)用進(jìn)

3、行了研究;其次為了克服無監(jiān)督算法的低識別率等缺點(diǎn)，本文研究了基于TCP流特征的監(jiān)督式的惡意入侵檢測技術(shù);最后從產(chǎn)生流量的源頭出發(fā)，本文研究了基于TCP流特征的智能設(shè)備識別技術(shù)。本文的主要研究內(nèi)容及貢獻(xiàn)總結(jié)如下:
　　1.針對基于距離的相異性度量無法準(zhǔn)確衡量流形結(jié)構(gòu)中數(shù)據(jù)點(diǎn)之間的相異度的缺陷，本文提出一種改進(jìn)的基于數(shù)據(jù)依賴的相異性度量。我們將該度量應(yīng)用到基于TCP流特征的無監(jiān)督式的惡意入侵檢測實(shí)驗(yàn)中，檢測正確率表明提出的度量要優(yōu)于現(xiàn)

4、有的基于距離的相異性度量。
　　2.針對現(xiàn)有的基于監(jiān)督式的惡意入侵檢測技術(shù)存在特征不足的缺陷，本文使用TCP通聯(lián)過程中產(chǎn)生的246種屬性作為特征空間來識別惡意入侵行為，并且設(shè)計了一種啟發(fā)式的降維方法。實(shí)驗(yàn)過程檢測了包括WannaCry在內(nèi)的共六種真實(shí)的惡意入侵樣本，檢測正確率表明我們提出的方法要優(yōu)于已有的方法。
　　3.鑒于智能設(shè)備管控是保障網(wǎng)絡(luò)服務(wù)質(zhì)量與信息安全極為重要的舉措，本文提出一種通過使用不同設(shè)備在加載網(wǎng)頁過程中產(chǎn)