[发明专利]基于稀疏表示和卷积神经网络的私有加密协议报文分类法

权利要求书

1.基于稀疏表示和卷积神经网络的私有加密协议报文分类法，其特征在于，包括：

获取网络流量数据并进行预处理，得到训练数据集、测试数据集、训练标签文件以及测试标签文件；

将训练数据集和测试数据集导入稀疏自编码器进行无监督的特征学习，得到维度更小的输入数据；

使用稀疏表示后的训练集和训练集标签对二维卷积神经网络进行训练，进行卷积和池化并最小化误差，得到用于对测试集进行分类的分类器。

2.根据权利要求1所述的基于稀疏表示和卷积神经网络的私有加密协议报文分类法，其特征在于：在完成分类器的训练后，使用二维卷积神经网络训练完成的私有加密协议报文分类器对测试数据集进行测试，将测试结果与测试集标签进行对比，验证私有加密协议报文分类的准确性。

3.根据权利要求1所述的基于稀疏表示和卷积神经网络的私有加密协议报文分类法，其特征在于：所述的数据预处理包括报文划分，将连续的网络流量切分成离散单位，然后分离出传输层以上的报文载荷数据。

4.根据权利要求3所述的基于稀疏表示和卷积神经网络的私有加密协议报文分类法，其特征在于：将连续的网络流量切分成离散单位时，按照流和会话作为切分粒度。

5.根据权利要求1所述的基于稀疏表示和卷积神经网络的私有加密协议报文分类法，其特征在于：所述的数据预处理包括数据归一化处理，按照统一的长度对报文数据进行截取，即在大于指定长度的数据内截取指定长度的数据，在小于指定长度的数据的末尾补0至指定长度，最终将获得的指定长度的数据存入特定数组内。

6.根据权利要求5所述的基于稀疏表示和卷积神经网络的私有加密协议报文分类法，其特征在于：所述的数据预处理包括数据可视化处理，将存入特定数组内的数据，按照一个字节对应一个灰度值的方式，将各规定长度的数据转化为长宽相同的单通道灰度图。

7.根据权利要求1所述的基于稀疏表示和卷积神经网络的私有加密协议报文分类法，所述的将训练数据集和测试数据集导入稀疏自编码器进行无监督的特征学习，得到维度更小的输入数据，其特征在于，按照如下方式进行数据处理：

将训练数据集和测试数据集中预处理后的私有加密协议报文数据输入稀疏自编码器，输入层到隐层的偏置为W，隐层的偏置为b，隐含层的输出值h为

h＝WX+b

隐层到输出层权值W′，偏置为b′，则稀疏自编码器的输出Y为

Y＝W′h+b′

通过X、Y和W计算代价函数J(W,b)

J(W,b)＝σ(Y-X)+λW

计算稀疏自编码器的代价函数J_sparse(W,b)，并根据J_sparse(W,b)使用梯度下降法调整权值W

其中λ是学习率，σ代表用于计算Y-X的L₂泛数，η代表学习率；权值调整完成后，最终得到私有加密协议报文数据X的特征表示h。