适用于资源受限设备的移动应用类别实时识别方法

摘要

针对基于流量分析的移动应用类别识别方法存在计算量大、难以实时识别的问题,提出一种移动应用实时识别方法.根据应用访问域名的特征,将报文进行转换和降维来生成样本向量,并使用支持向量机进行分类.在微型无线网关上对其测试,在对一组目标应用进行识别时,该方法的识别准确率约为94.4％,CPU使用率峰值约1.8％,内存消耗约1052 KB,吞吐量略微降低.实验表明,该方法能满足资源受限的网络设备进行移动应用类别实时识别的需求.