基于模式匹配和機器學習的協(xié)議識別技術研究.pdf

1、協(xié)議識別技術是實現(xiàn)流量監(jiān)控、入侵檢測以及用戶行為分析等應用的基礎。隨著互聯(lián)網(wǎng)的發(fā)展,新型的網(wǎng)絡類型不斷出現(xiàn),新的協(xié)議規(guī)范很多都不再對外公開且使用隨機的端口。另外,由于信息安全或用戶隱私的問題,有越來越多的網(wǎng)絡流量被加密,這些都使得協(xié)議識別面臨和需要解決的問題越來越復雜。所以,尋找更加高效的協(xié)議識別方法有著重要的研究和實際應用意義?；趦热莸膮f(xié)議識別能夠達到很高的準確率,基于流統(tǒng)計特征的識別可以識別加密流量且有較好的吞吐性,這兩種協(xié)議識別

2、方法是當今協(xié)議識別中應用最廣泛的。
　　本文主要是通過改進這兩種協(xié)議識別方法中的匹配算法的性能來提高協(xié)議識別效率的,具體的研究工作主要包括以下幾個方面:
　　1)提出基于模式匹配和機器學習的協(xié)議識別系統(tǒng)。該系統(tǒng)結合這兩種協(xié)議識別技術的優(yōu)點,可以通過模式匹配方法實現(xiàn)對協(xié)議內容的高準確率的識別,也可以利用機器學習方法識別出加密的流量,并可以對協(xié)議特征庫不斷更新。
　　2)研究和分析了常見的模式匹配算法,并提出了一種改進的B

3、M算法。該算法可以減少算法預處理復雜度,并充分利用失配時候的信息,提高最大跳躍距離,并考慮了更多情況,提高模式串達到最大或者較大跳躍距離的概率,從而提高了匹配的效率。
　　3)提出了一種ESBS-GA特征選擇方法。在現(xiàn)有的特征選擇方法的基礎之上,用遺傳算法對現(xiàn)在常用的一些流量特征進一步篩選。ESBS-GA能夠篩選獲得特征個數(shù)更少,且分類效果更佳的流量特征集合,簡化了 Kmens分類過程,大大提高了分類性能。
　　4)研究和分