[发明专利]流量识别方法及装置

说明书

技术领域

本发明涉及通信技术，尤其涉及一种流量识别方法及装置。 

背景技术

为了控制网络应用对带宽的占用，需要对数据流量进行有效分析和监控，对数据流量进行分析和监控的过程可分为：流量采集，流量识别和流量控制。其中，对采集到的数据流量样本进行识别的过程主要是在应用层下对传输控制协议(Transfer Control Protocol；以下简称：TCP)或者用户数据报协议(User Datagram Protocol；以下简称：UDP)进行识别，识别出属于某种特定协议的数据流，进而对识别出的数据流进行流量统计、流量限制或阻断等操作。 

现有技术的一种流量识别方法，首先采用人工分析软件根据数据流运行状态提取的行为特征建立行为特征模型，然后实际网络通信过程中获取的待识别的数据流信息与已建立的行为特征模型进行匹配，确定待识别数据流当前所处状态，并进一步判断待识别数据流的之后的状态迁移，根据待识别数据流的状态迁移对应的各个状态识别出该数据流所使用的协议。采用人工分析软件建模工作量大、容易出错，并且容易造成行为特征模型失效，因此识别率较低。 

发明内容

本发明的目的是提供一种流量识别方法及装置，用于解决现有技术建模工作量大、易出错，实际的待识别数据流的状态迁移较快以及网络延迟导致行为特征模型失效及识别率低的问题。 

为实现上述目的，本发明实施例提供了一种流量识别方法，包括： 

抓取各种类型软件下的各个功能场景产生的数据包，作为支持向量机训练算法的数据包样本； 

根据软件类型提取所述数据包样本的行为特征向量类型和维度； 

根据支持向量机训练算法对数据包样本的特征向量进行训练，生成支持向量机行为特征预测模型； 

根据支持向量机预测算法和所述预测模型获取待识别通信数据流所属的协议类别。 

本发明实施例还提供了一种流量识别装置，包括： 

提取模块，用于抓取各种类型软件下的各个功能场景产生的数据包，作为支持向量机训练算法的数据包样本；并根据软件类型提取所述数据包样本的行为特征向量类型和维度； 

生成模块，用于根据支持向量机训练算法对数据包样本的特征向量进行训练，生成支持向量机行为特征预测模型； 

获取模块，用于根据支持向量机预测算法和所述预测模型获取待识别通信数据流所属的协议类别。 

因此，本发明实施例提供的流量识别方法及装置，采用支持向量机训练算法对数据包样本的特征向量进行训练并生成行为特征预测模型，将提取的待识别通信数据流的特征向量与预测模型进行模糊匹配，识别出待识别通信数据流所属的协议类别。能够准确识别各种类型应用层协议，减少了人工分析建模的工作量，提高识别效率，识别过程简单，减少了行为特征模型失效的问题，对网络延迟等影响数据流行为模式的因素具有较强的抗干扰性。 

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 

图1为本发明一个实施例提供的流量识别方法流程图； 

图2为本发明又一个实施例提供的流量识别方法流程图； 

图3为本发明一个实施例提供的流量识别装置结构示意图； 

图4为本发明又一个实施例提供的流量识别装置结构示意图。 

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 

图1为本发明一个实施例提供的流量识别方法流程图，如图1所示，该方法包括： 

S101、根据支持向量机训练算法对数据包样本的特征向量进行训练，生成支持向量机行为特征预测模型；