基于卷积神经网络的应用层协议识别方法

论文摘要

针对传统网络协议识别方法中人工提取特征困难以及识别准确率低等问题,提出了一种基于卷积神经网络(CNN)的应用层协议识别方法。首先,基于完整的传输控制协议(TCP)连接或用户数据报协议(UDP)交互划分原始网络数据,从中提取出网络流;其次,通过数据预处理将网络流转化为二维矩阵,便于CNN的分析处理;然后,利用训练样本集合训练CNN模型,自动化提取出网络协议特征;最终,基于训练成熟的CNN模型进行应用层网络协议的识别。实验结果表明,所提方法的总体协议识别准确率约为99.70%,能有效实现应用层协议的识别。

论文目录

• 0 引言
• 1 相关工作
• 2 网络协议识别
• 3 基于CNN的应用层协议识别方法
•   3.1 方法概述
•   3.2 数据预处理
•   3.3 分类模型构建
•     3.3.1 卷积神经网络基本结构
•     3.3.2 卷积神经网络结构设计
•     3.3.3 卷积神经网络训练过程
• 4 实验与结果分析
•   4.1 实验数据
•   4.2 实验设置与实验指标
•   4.3 结果分析
• 5 结语

文章来源

类型: 期刊论文

作者: 冯文博,洪征,吴礼发,李毅豪,林培鸿

关键词: 应用层协议,网络流,协议识别,特征工程,卷积神经网络

来源: 计算机应用 2019年12期

年度: 2019

分类: 信息科技

专业: 互联网技术,自动化技术

单位: 中国人民解放军陆军工程大学指挥控制工程学院,南京邮电大学计算机学院

基金: 国家重点研发计划项目(2017YFB0802900),南京邮电大学高层次人才启动基金资助项目(NY219004)~~

分类号: TP183;TP393.04

页码: 3615-3621

总页数: 7

文件大小: 1011K

下载量: 332