买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川轻化工大学

摘要：本发明涉及数据安全传输技术领域，公开了一种基于图结构与矩阵表示的多模态加密流量分类方法；该方法能够对加密流量具备优秀的表征和识别能力，同时提高分类准确性。基于图结构与矩阵表示的多模态加密流量分类方法包括步骤：将原始PCAP文件切分为会话流，将其分别转换为会话流多级表示矩阵和流量交互图；会话流多级表示矩阵利用多尺度CNN提取层次空间特征；流量交互图使用具有跳跃连接机制的堆叠N层GraphSAGE网络得到数据包的图表示特征，并进一步得到流量的交互特征；最后得到流量的最终表示向量，利用Softmax函数实现加密流量的细粒度分类。该方法在公开数据集ISCX‑NonVPN和ISCX‑VPN上的多分类准确率分别达到了93.59%和98.23%，平均F1值达到了95.78%和98.30%。

主权项：1.基于图结构与矩阵表示的多模态加密流量分类方法，其特征在于：采用多模态加密流量分类系统；所述多模态加密流量分类系统包括包括数据预处理层、网络流量表征层以及网络流量分类层；所述数据预处理层用于会话流多级表示矩阵构建和流量交互图构建；所述网络流量表征层用于流量层次空间特征提取和流量交互信息特征提取；所述网络流量分类层用于交叉门控特征融合与流量分类；还包括以下步骤：S1、在数据预处理层将原始PCAP文件切分为会话流，然后将其分别转换为会话流多级表示矩阵和流量交互图作为多模态输入；所述流量交互图包括流量的头部交互图和负载交互图；S2、将S1中得到的会话流多级表示矩阵作为分支一；流量交互图作为分支二；在网络流量表征层，分支一利用Q层带有不同大小卷积核的多尺度CNN提取流量表示矩阵的包内空间特征和包间空间特征，将其相连得到流量的层次空间特征；分支二使用具有跳跃连接机制的堆叠N层GraphSAGE网络提取头部交互图与负载交互图的交互特征，将头部特征和负载特征融合得到单个数据包的图表示特征；然后将双向流中前P个数据包的图表示特征连接得到流量的交互特征；流量交互图采用堆叠N层GraphSAGE网络提取头部交互图与负载交互图的交互特征包括以下步骤：b1、对于流量交互图G中的每个节点V，GraphSAGE对k跳深度的相邻节点u∈Nv进行迭代采样，然后通过聚合函数聚合邻域节点特征集，以此增强当前节点V的嵌入信息表示；k为每次迭代中聚合节点信息的跳数，在第k层中，节点v基于抽样邻域Nv的聚合特征hNv可以表示为以下公式： 其中u表示邻域节点，表示节点u在前一层的嵌入向量，AGGk表示可微分的聚合器函数；使用AGG聚合函数迭代地将来自采样邻域的节点特征与自身的节点特征进行聚合；b2、将采样邻域的聚合特征与前一层节点嵌入特征连接起来，应用可训练权重和非线性激活函数σ计算出第k层节点v的最终嵌入特征，如以下公式所示： 其中Concat表示串联操作，σ表示Relu激活函数；b3、对于每个节点，使用跳跃连接思想将每一层GraphSAGE网络的输出向量进行拼接，作为节点的最终表示向量；然后在所有节点上应用均值池化获得单个图的特征向量g，可表示为： 最后将头部图特征和负载图特征连接得到单个数据包的特征，将P个数据包的特征拼接得到双向流的最终交互特征；S3、在网络流量分类层，使用交叉门控机制将层次空间特征和交互特征进行融合得到流量的最终表示向量，在增强重要特征表现程度的同时限制无关特征引入的冗余噪声，然后利用Softmax函数实现加密流量的细粒度分类。

全文数据：

权利要求：

百度查询： 四川轻化工大学 基于图结构与矩阵表示的多模态加密流量分类方法