基于隱馬爾可夫模型的協(xié)議識別技術的研究.pdf

1、隨著網(wǎng)絡的快速發(fā)展和協(xié)議結構多樣性的出現(xiàn)，網(wǎng)絡協(xié)議識別技術越來越成為人們研究的熱點。該技術不僅能分析出網(wǎng)絡流量的組成成分，還能為網(wǎng)絡的維護，流量的建模和網(wǎng)絡安全的防御提供量化的數(shù)據(jù)支持以及基礎的數(shù)據(jù)分析。本文主要研究了基于隱馬爾可夫模型(HiddenMarkovModelHMM)的協(xié)議識別技術，主要工作如下:
　　 首先，介紹了傳統(tǒng)的協(xié)議識別方法。包括基于端口號的協(xié)議識別，基于載荷匹配的協(xié)議識別，基于深度包檢測方法的識別，以及各

2、自的適用范圍和優(yōu)缺點。
　　 其次，針對傳統(tǒng)協(xié)議識別的不足，本文提出運用HMM來進行協(xié)議識別，該方法采用了不受動態(tài)端口號和加密條件影響的包層次統(tǒng)計特征。研究了HMM基本算法:用前向-后向算法來解決觀察變量問題;用Viterbi算法來解決最佳隱含狀態(tài)問題;運用Baum-Welch算法來解決模型參數(shù)問題。針對HMM在實際運用中的情況，提出了改進措施，并介紹了將HMM運用于協(xié)議識別的優(yōu)勢。
　　 最后，本文提出了多輸入單輸出的

3、并行HMM系統(tǒng)架構。該架構是一個基于包層次統(tǒng)計特征的HMM協(xié)議識別方案，選擇(IPT,PS)序列對，作為HMM的觀察變量，經(jīng)過學習訓練找到與觀察變量相一致的隱含狀態(tài)，然后通過重估算法得到合適的模型參數(shù)。另外本文還具體介紹了HMM的建模，多特征下模型參數(shù)的改進，以及自主學習的方式。
　　 為了體現(xiàn)本文提出算法的可行性及有效性，以HTTP，SMTP，AoM(一款在線游戲)以及MSN四種有代表性的不同應用類型進行了相關實驗，并與其他算