[发明专利]一种基于自主学习的网络业务识别方法

权利要求书

1.一种基于自主学习的网络业务识别方法，其特征在于：包括一离线训练阶段和一在线识别阶段，具体包括以下步骤：

步骤S1：在所述离线训练阶段，对已识别的业务流的流量数据的特征进行统计训练，构造所述已识别的业务流的8元组的统计特征向量，并存储到训练数据库中；

步骤S2：在所述在线识别阶段中，对于每一个待识别的新业务流，统计足够数量的数据，计算其流量数据的特征，构造8元组的统计特征向量；若所述新业务流能够采用基于特征检测的方法被识别出来，则停止处理所述新业务流并删除其统计特征向量；若新业务流不能被识别，则进入步骤S3；

步骤S3：将步骤S2中获得的新业务流的统计特征向量与训练数据库中存储的已识别的业务流的统计特征向量进行基于欧氏距离和余弦相似性的指标匹配；

步骤S4：判断所述指标是否满足阈值，若满足则表示所述新业务流与所述已识别的业务流匹配成功，更新训练数据库中对应业务流的统计特征向量；若不满足则表示所述新业务流与所述已识别的业务流匹配失败，在训练数据库中添加该新业务流；

所述步骤S1和步骤S2中8元组的统计特征向量F为(v₁,v₂,…,v₈)：v₁表示整个业务流的流量数据包的平均大小；v₂表示客户端向上传输到服务器的流量数据包的平均大小；v₃表示服务器向下传输到客户端的流量数据包的平均大小；v₄表示客户端和服务器之间的流量差异；v₅表示整个业务流的流量数据包大小的标准偏差；v₆表示向上传输过程中流量数据包大小的标准偏差；v₇表示向下传输过程中流量数据包大小的标准偏差；v₈表示香农熵。

2.根据权利要求1所述的一种基于自主学习的网络业务识别方法，其特征在于：所述香农熵表示流量数据包中数据项的随机性，其计算公式为：，其中，H(X)表示所述流量数据包的熵，p_i表示给定数据项的出现概率，n表示给定流量数据包中所述给定数据项的数目。

3.根据权利要求1所述的一种基于自主学习的网络业务识别方法，其特征在于：所述步骤S2中所述足够数量的数据为30个数据包或8KB字节数。

4.根据权利要求1所述的一种基于自主学习的网络业务识别方法，其特征在于：所述步骤S3中所述欧氏距离D(P,Q)在n维欧氏空间中的计算公式为：，其中P=(p₁, p₂,…,p_n)和Q=(q₁, q₂,…,q_n)表示n维欧氏空间中的两个业务流的统计特征向量。

5.根据权利要求1所述的一种基于自主学习的网络业务识别方法，其特征在于：所述步骤S3中余弦相似性Similarity的计算公式为： ,其中cosθ为两个业务流的统计特征向量P和Q在直角坐标系中的余弦角大小。

6.根据权利要求1所述的一种基于自主学习的网络业务识别方法，其特征在于：所述步骤S4中所述指标的阈值分别为：欧氏距离D(P,Q)=70，余弦相似性Similarity=0.99；当欧氏距离D(P,Q)小于阈值70，余弦相似性Similarity大于阈值0.99即为所述匹配成功。