[发明专利]网络流应用类型识别的方法、装置及计算机可读存储介质

权利要求书

1.一种网络流应用类型识别的方法，其特征在于，所述网络流应用类型识别的方法包括以下步骤：

实时接收网络数据包，根据所述网络数据包的特征提取待识别的网络数据流，并提取所述待识别的网络数据流的特征；

根据所述待识别的网络数据流的特征和预设的应用分类模型识别所述待识别的网络数据流的应用类型，所述应用分类模型根据接收到的网络数据流的特征训练得到；

其中，所述网络数据流的特征包括数据包长度特征、数据包时间特征和数据包服务类型特征。

2.如权利要求1所述的网络流应用类型识别的方法，其特征在于，所述网络数据流的特征包括：

所述数据包长度特征包括所述网络数据流的最大数据包长度、最小数据包长度、平均数据包长度和数据包长度方差；

所述数据包时间特征包括所述网络数据流的数据包到达最大间隔时间、数据包到达最小间隔时间、数据包到达平均间隔时间、数据包到达间隔时间方差和数据流平均持续时间、数据包传输中断时间和数据包传输空闲时间；

所述数据包服务类型特征包括数据包服务类型标识比特数、携带服务类型标识的数据包数量和各个所述服务类型标识的数据包数量。

3.如权利要求1所述的网络流应用类型识别的方法，其特征在于，所述实时接收网络数据包，根据所述网络数据包的特征从所述网络数据包中提取出待识别的网络数据流，并提取所述待识别的网络数据流的特征的步骤之前还包括：

获取已识别的网络数据流，并提取所述已识别的网络数据流的特征；

根据所述已识别的网络数据流的特征训练应用分类模型，并将训练完毕的所述应用分类模型作为预设应用分类模型。

4.如权利要求3所述的网络流应用类型识别的方法，其特征在于，所述根据所述已识别的网络数据流的特征训练应用分类模型的步骤包括：

当有预设数目个已识别的网络数据流时，对应训练的所述应用分类模型包含有所述预设数目个分类函数。

5.如权利要求3所述的网络流应用类型识别的方法，其特征在于，所述根据所述已识别的网络数据流的特征训练应用分类模型的步骤包括：

将所述已识别的网络数据流的特征转换成特征向量；

根据所述特征向量训练应用分类模型。

6.如权利要求5所述的网络流应用类型识别的方法，其特征在于，所述根据所述特征向量训练应用分类模型的步骤包括：

用核函数升高所述特征向量的维度；

根据维度升高后的所述特征向量训练应用分类模型。

7.如权利要求3至6任一项所述的网络流应用类型识别的方法，其特征在于，所述根据所述已识别的网络数据流的特征训练应用分类模型的步骤之后还包括：

接收测试网络数据流；

根据所述应用分类模型识别所述测试网络数据流的应用类型，并获取所述应用分类模型的识别正确率；

根据所述识别正确率调整所述应用分类模型的参数。

8.如权利要求1至6任一项所述的网络流应用类型识别的方法，其特征在于，所述实时接收网络数据包步骤之后包括：

获取实时接收的所述网络数据包的数目，并判断所述网络数据包数目是否大于预设数目；

当所述网络数据包数目大于预设数目时，执行根据所述网络数据包的特征从所述网络数据包中提取出待识别的网络数据流，并提取所述待识别的网络数据流的特征的步骤。

9.一种网络流应用类型识别的装置，其特征在于，所述装置包括：存储器、处理器、及存储在所述存储器上并可在所述处理器上运行的网络流应用类型识别的处理程序，所述网络流应用类型识别的处理程序被所述处理器执行时实现如权利要求1至8中任一项所述的网络流应用类型识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有网络流应用类型识别的处理程序，所述网络流应用类型识别的处理程序被处理器执行时实现如权利要求1至8中任一项所述的网络流应用类型识别方法的步骤。