[发明专利]基于单分类神经网络的匿名流量识别方法及系统

说明书

本发明公开了基于单分类神经网络的匿名流量识别方法及系统，包括：获取实时监控的流量数据；对获取的流量数据进行特征提取；将提取的特征输入到训练后的单分类神经网络中，得到匿名流量或正常流量的识别结果。本发明实时监控流量识别匿名流量，可以对匿名流量进行有效的监控。本发明使用OC‑GRU的算法模型，有效的捕获单个类别的特征，学习评分函数，输出结果，当检测到匿名流量时，启用警报功能，对相关人员进行提醒，并将结果用态势感知的方式呈现出来。

技术领域

本发明涉及匿名流量识别技术领域，特别是涉及基于单分类神经网络的匿名流量识别方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

进入信息时代以来，人们的日常生活与互联网的联系越来越紧密。互联网上的行为留下了很多足迹，这可以帮助服务提供商更好地了解用户的需求。然而，越来越多的信息泄露事件使人们开始重视隐私保护问题。幸运的是，软件工程师已经开发了许多提供匿名服务的网络工具，如crowd、Tarzan、Freenet和Onion Router。其中最著名的是洋葱浏览器，它提供加密的匿名网络服务。任何事务都具有两面性，加密网络通信的匿名性也使其成为滋生犯罪的温床，就像暗网一样。匿名通信的滥用给网络监管带来了巨大的挑战。如何更准确、快速地对加密的流量进行分类，已成为一个迫切需要解决的问题。

流量分类研究是近三个世纪以来的一个热门研究领域。2020年，通信应用的漏洞被提出。由于互联网流量的快速变化和网络技术的高迭代性，传统的基于规则的方法，如深度包检测、异常端口检测，准确率低，告警率高。机器学习是一种广泛应用的分类技术，因为它可以从数据集自动泛化模块。由于网络数据流量大、结构复杂，机器学习的处理能力往往有限，普遍存在误报率高、泛化能力差、实时性差的缺点。

发明内容

为了解决现有技术的不足，本发明提供了基于单分类神经网络的匿名流量识别方法及系统；实时监控流量识别匿名流量，具有流量捕获模块、流量数据处理模块、匿名流量检测模块、检测结果警报模块、检测结果呈现模块的功能，可以对匿名流量进行有效的监控。

第一方面，本发明提供了基于单分类神经网络的匿名流量识别方法；

基于单分类神经网络的匿名流量识别方法，包括：

获取实时监控的流量数据；

对获取的流量数据进行特征提取；

将提取的特征输入到训练后的单分类神经网络中，得到匿名流量或正常流量的识别结果。

第二方面，本发明提供了基于单分类神经网络的匿名流量识别系统；

基于单分类神经网络的匿名流量识别系统，包括：

获取模块，其被配置为：获取实时监控的流量数据；

特征提取模块，其被配置为：对获取的流量数据进行特征提取；

识别模块，其被配置为：将提取的特征输入到训练后的单分类神经网络中，得到匿名流量或正常流量的识别结果。

第三方面，本发明还提供了一种电子设备，包括：

存储器，用于非暂时性存储计算机可读指令；以及

处理器，用于运行所述计算机可读指令，

其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。

第四方面，本发明还提供了一种存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法的指令。