流量特征

摘要： 随着移动网络的迅速发展,越来越多的用户选择使用代理应用,以保护个人网络隐私,隐藏上网行为或绕开网络活动限制,给网络管理与审计带来了新的挑战。与此同时,恶意攻击者可利用代理应用隐藏身份,使得恶意行为更难以检测和防范。因此,代理应用流量识别对网络管理与安全具有重要的作用,但目前该问题并未得到充分的研究。由于代理应用流量通常经过加密或混淆处理,传统的流量识别技术无法被有效应用。为实现准确、快速的移动代理应用流量识别,提出一组与负载无关的流量特征,并首次加入TCP层option字段用于刻画流量。基于4种机器学习算法训练的分类器和2种流量识别对象,验证提出的特征对识别移动代理应用流量的有效性,并对各类特征的重要性进行分析。实验结果表明,提出的特征能有效识别代理应用流量。在识别流量是否经由代理时,基于随机森林的分类器可达到99%以上的整体准确率。识别流量所属代理应用时,整体准确率高于94%。在公开数据集ISCX VPN-nonVPN上与其他方法相比,提出的方法识别准确率更高,并具有更快的识别速度,适合实时流量识别场景。

摘要： 随着电力工业中通信技术的发展,越来越多的设备接入了电力网络,这大大增加了电力物联网的安全风险。传统的电力网络设备识别大多依赖于人工操作,但随着电力物联网规模的扩大,亟需提出一种先进的电力物联网设备识别方法。因此,本文结合电力网络自身特点,提出一种基于流量特征方法来识别电力物联网中的设备。该方法通过一种两层架构进行设备识别:在第一层中,识别电力物联网流量与非电力物联网流量;在第二层中,从流粒度和包粒度两个维度对电力物联网流量进行特征提取,并构建设备分类器进行设备识别。通过在某省会城市供电公司的智能电网机房中采集真实电网流量后,并对这些流量进行实验和分析,结果表明,本文提出的方法可以有效识别电力物联网流量与非电力物联网流量,并且电力设备识别率能够达到99.3%,从而增强电力网络的安全性。

摘要： 安全评估是贯穿信息系统生命周期的重要管理手段,是制定和调整安全策略的基础和前提,为此开展基于流量特征的网络信息安全评估模型研究。首先,选择网络信息安全评估指标,计算网络信息安全评估模型标准化风险值;其次,构建基于流量特征的模型描述与原始决策表,输出模型量化评估结果;最后,进行对比实验。实验结果表明,利用设计的评估模型可实现网络信息安全态势的准确识别。

摘要： 由于电气工程自动化技术的应用缺乏可靠的数据指导,导致智能电网执行相关任务的精度相对较低,为此提出基于电气工程自动化技术的智能电网建设方法。首先利用信息熵量化的方法提取电网工控系统中的流量特征,其次结合电网需求,将去与电气工程自动化技术之间建立匹配关系,构建以技术为核心的数据管理方法,最后通过匹配与电网管理任务对应的数据分类,选择电气工程自动化技术,以输出数据与目标数据之间的偏差为基础,对技术参数进行自适应调整。测试结果表明,设计方法可以确保电网任务执行误差在0.10%以内。

摘要： 针对近年来物联网设备频繁受到僵尸网络(Botnet)攻击的问题,提出一种基于随机森林(random forests,RF)的包裹式特征选择方法RFCVFS(random forests cross validation feature selection),通过筛选合适的特征降低待检测数据的维度,达到提高模型检测效率的目的。实验结果表明,使用RFCVFS为9台不同的物联网设备分别筛选出有效特征并组成待检测数据,模型的训练时间最大降低82.67%,检测时间最大降低28.49%;对比PCA(principal component analysis)方法,其检测结果的准确率、真正率、F1、AUC(area under curve)分别最大可以高出13.82%、0.48%、7.63%、29.51%。

摘要： 工业物联网系统所面临的网络安全威胁随着物联网技术的广泛应用日益增加,信息安全问题已成为其发展过程中的一大挑战.MQTT(Message Queuing Telemetry Transport)协议是物联网通信的主流协议,基于该协议的物联网通信安全研究是当前研究的热点话题.传统的流量识别技术如深度包检测无法有效地识别符合包格式的异常流量,而基于机器学习理论的异常流量识别技术则表现出很好的效果.对此提出一种基于随机森林算法的MQTT异常流量检测方法,实现整体高于90％的MQTT异常流量识别准确度,与其他常用分类模型相比拥有更好的识别效果.

摘要： 以往的Tor(The Onion Router)流量隐蔽方案(Pluggable Transports,PT)使用对通信数据的混淆或伪装等手段来躲避检测,但仍无法隐藏TCP连接层面的流量特征,如连接时长和数据包大小,应用机器学习等检测方法仍能识别出Tor流量.对此,提出面向Tor的可控重连算法,从连接层面开展了Tor流量隐蔽的研究工作,即对PT客户端与服务端之间的TCP通信进行定时断开和重连,实现对连接时长的精细控制,同时控制数据包的大小使之与正常流量分布接近.实验证明,在局域网环境下,该算法能以秒级精度控制连接时长,并生成大小符合正常流量分布的数据包,有助于提升Tor流量隐蔽的效果.

摘要： 以庆阳北石窟寺为研究对象,基于对窟区降水量、窟前泉/井水位及流量监测,结合地下水水质检测,系统分析了北石窟寺区内水环境的特征.研究结果表明,北石窟寺窟区降水量主要集中于夏季,全年降水量呈现明显的不均匀性;降雨导致夏季水位波动频繁,但经崖体裂隙的径流运移过程,导致补给存在明显的滞后性;低温降低了岩土体的渗透能力,是引起冬季泉/井高水位的主要原因;北石窟水体易溶盐总含量为0.05％ ～0.06％,腐蚀性较低,但雨水冲刷和地下水毛细上升均对其风化产生促进作用.研究结果科学评价了北石窟寺水环境特征,进而为北石窟寺的水害治理提供理论依据.

摘要： 随着物联网设备数量的不断增长,物联网设备管理问题逐渐突出,如何在资源有限的物联网环境中准确地识别物联网设备是亟需解决的关键问题.针对物联网设备流量特征提取难的问题,文章提出了一种基于深度可分离卷积的物联网设备识别方法.该方法在会话粒度下利用载荷数据构造设备指纹,通过卷积层从设备指纹中提取深度特征.实验结果表明,该方法能在有限资源下有效识别设备类型.与标准CNN方法和人工特征提取技术相比,整体性能有所提高.

摘要： 随着企业各类业务的持续增长,IT设施也在不断完善和扩建.网络线路、网络设备和服务器等基础设备不断增加,整个网络结构变得异常庞大且复杂,一定程度上增加了监控和管理的难度.许多关键的业务系统往往包括网络线路、防火墙、前端应用服务器、负载均衡设备、中间件、数据库和存储等各类软硬件设施,在传统管理手段下,对于多段网络、多层应用的架构,运维管理关联度不够高,导致在问题发生时,分析定位相对比较困难,排障速度相对较慢.部署面向应用的网络流量分析系统,可以建立统一的网络流量监测分析的底层平台,自动梳理应用系统网络访问路径,同时建立起面向应用的网络服务视图,实现全网流量监测,并且根据流量特征实现快速故障预警与故障诊断,更加科学有效地的管理IT设施,确保业务系统稳定运行.

摘要： 基于现有移动互联网应用的流量特征,评估不同应用对通信网络造成的影响,重点研究了IM类应用在注册和挂起过程中对移动网络的拥塞机制,并对该类业务的流量经济效益进行分析.在此基础上,从技术优化从而改进网络接入容量、市场营销来引导合理消费等层面分别提出了相应的策略.

摘要： 介绍新一代校园网P2P IPTV系统——Beezone的运行情况。详细分析了Beezone系统的用户规模以及地域分布,IPv4、IPv6流量特征,节点间延迟,系统动态性等。证实了Beezone系统能充分利用IPv6网络充裕的带宽,降低节目的延迟,实现了IPv4/v6混合组网环境下节点间资源共享。

摘要： 利用1968-2007年龙羊峡水库上游流域的地面气象资料和唐乃亥水文资料，分析了近40年来降水量、蒸散量、平均气温、流量、各级雨日等气候变化和流量特征。结果表明：其一近40年黄河上游流域年降水量呈逐年减少下降的趋势，特别是1987年龙羊峡水库建成后，黄河上游来水量减少速率加快，黄河上游流域来水量一直偏枯，降水量减少是龙羊峡水库长期处在低水位运行的直接原因。其二20世纪80年代中后期黄河上游地区气温持续升高，90年代后期变化趋势更加明显。在全球气候变暖和人类活动的影响下，黄河上游的生态环境也发生着显著变化，主要表现为这些与气候变化密切相关的环境要素的变化，导致了水资源持续减少的另一原因。其三在气温普遍升高的前提下，降水量作为蒸发量的主要物质来源，由于气温的升高，导致了大量的降水消耗于流域的蒸发，加之阵性降水增加，连续性降水减少，更加剧了区域内蒸散量的增加，气候特点开始从干冷向干暖型转化，对于以雨水补给为主的黄河，因此气候的暖干化直接导致了黄河上游径流的减少。其四黄河上游气温升高、降水减少、蒸散量增加导致了气候向暖干化发展，使水资源持续减少的主要原因。

摘要： P2P流量逐渐成为互联网流量的重要组成部分，精确识别P2P流量对于有效管理网络和合理利用网络资源都具有重要意义。通过结合逻辑网络结构下的P2P流量所表现出的两种流量特征，即节点双重角色性和平均包到达时间问隔比集中性来检测P2P流量。实验表明，该结合方法能有效地提高P2P流量的检测精度，与节点角色分析方法相比，至少能提高9.09个百分点，同时假阳性也能控制在适当范围内。

摘要： 高校是运营商进行流量经营和市场竞争的重要区域.随着“不限流量”政策的陆续实施,高校学生DOU的持续增长将促进全网流量爆发式增长,同时也给高校的4G无线网络保障带来很大挑战.高校作为一个相对特殊的场景,用户具有高度集中、业务结构趋同等特点,网络负荷具有潮汐效应、马太效应等特点.从某省190多所高校(含大中专院校)的80多万用户以及1.1万个高校4G小区数据出发,解构高校业务组成和发展趋势,深入分析总结高校网络负荷和流量特点,给出基于高校用户数和目标运营DOU而制定出的面向流量经营的高校无线网中长期保障方案.

摘要： 高校是运营商进行流量经营和市场竞争的重要区域.随着“不限流量”政策的陆续实施,高校学生DOU的持续增长将促进全网流量爆发式增长,同时也给高校的4G无线网络保障带来很大挑战.高校作为一个相对特殊的场景,用户具有高度集中、业务结构趋同等特点,网络负荷具有潮汐效应、马太效应等特点.从某省190多所高校(含大中专院校)的80多万用户以及1.1万个高校4G小区数据出发,解构高校业务组成和发展趋势,深入分析总结高校网络负荷和流量特点,给出基于高校用户数和目标运营DOU而制定出的面向流量经营的高校无线网中长期保障方案.

摘要： 高校是运营商进行流量经营和市场竞争的重要区域.随着“不限流量”政策的陆续实施,高校学生DOU的持续增长将促进全网流量爆发式增长,同时也给高校的4G无线网络保障带来很大挑战.高校作为一个相对特殊的场景,用户具有高度集中、业务结构趋同等特点,网络负荷具有潮汐效应、马太效应等特点.从某省190多所高校(含大中专院校)的80多万用户以及1.1万个高校4G小区数据出发,解构高校业务组成和发展趋势,深入分析总结高校网络负荷和流量特点,给出基于高校用户数和目标运营DOU而制定出的面向流量经营的高校无线网中长期保障方案.

摘要： 高校是运营商进行流量经营和市场竞争的重要区域.随着“不限流量”政策的陆续实施,高校学生DOU的持续增长将促进全网流量爆发式增长,同时也给高校的4G无线网络保障带来很大挑战.高校作为一个相对特殊的场景,用户具有高度集中、业务结构趋同等特点,网络负荷具有潮汐效应、马太效应等特点.从某省190多所高校(含大中专院校)的80多万用户以及1.1万个高校4G小区数据出发,解构高校业务组成和发展趋势,深入分析总结高校网络负荷和流量特点,给出基于高校用户数和目标运营DOU而制定出的面向流量经营的高校无线网中长期保障方案.

摘要： 为优化亚洲航运网络,推进亚洲航运的建设,本文基于复杂网络理论从度值中心性和港口流量角度分析了港口的连接性特征.结果表明:亚洲航运港口网络存在层次性,度值在81以上的港口为第一层次核心港口,度值在32到80之间的港口为第二层次半核心港口,度值小于32的为第三层次边缘港口.度值中心性排名前30的港口多分布在中国沿海和东南亚地区,比例达到50％以上,这些港口拥有最广的联系密度和联系强度,而印度沿岸和中东地区等港口立足区位优势和资源优势,分别拥有突出的中转功能和联系强度,港口流量的排名均处于前位,从而巩固并提升了其在航线网络中的地位.

摘要： 为优化亚洲航运网络,推进亚洲航运的建设,本文基于复杂网络理论从度值中心性和港口流量角度分析了港口的连接性特征.结果表明:亚洲航运港口网络存在层次性,度值在81以上的港口为第一层次核心港口,度值在32到80之间的港口为第二层次半核心港口,度值小于32的为第三层次边缘港口.度值中心性排名前30的港口多分布在中国沿海和东南亚地区,比例达到50％以上,这些港口拥有最广的联系密度和联系强度,而印度沿岸和中东地区等港口立足区位优势和资源优势,分别拥有突出的中转功能和联系强度,港口流量的排名均处于前位,从而巩固并提升了其在航线网络中的地位.

摘要： 本发明公开了一种流量数据特征提取方法、恶意流量识别方法以及网络系统。特征提取方法包括：S1，获取流量数据，包括m条数据流，分别从每条数据流中提取n个特征，构建矩阵X；S2，对矩阵X进行归一化处理获得特征值矩阵

摘要： 本发明了公开了一种用于网络流量识别的流量数据公共特征提取方法，目的是解决网络流量数据公共特征快速提取问题。技术方案是先构建网络流量数据公共特征提取系统。该系统从流量数据文件读取网络数据报文，生成网络流链表；对网络流链表中的元素分别构建流数据序列；根据特征子序列参数将流数据序列截取为不同长度的特征子序列，根据特征子序列生成流特征树；对每个节点计算特征子序列的长度和每个特征子序列在流数据序列中出现的概率，从计算节点概率后的流特征树中提取出符合特征序列限定参数条件的公共特征序列。采用本发明能满足目前网络流量识别对于公共特征提取的速度和准确性的要求。

摘要： 本发明了公开了一种用于网络流量识别的流量数据公共特征提取方法，目的是解决网络流量数据公共特征快速提取问题。技术方案是先构建网络流量数据公共特征提取系统。该系统从流量数据文件读取网络数据报文，生成网络流链表；对网络流链表中的元素分别构建流数据序列；根据特征子序列参数将流数据序列截取为不同长度的特征子序列，根据特征子序列生成流特征树；对每个节点计算特征子序列的长度和每个特征子序列在流数据序列中出现的概率，从计算节点概率后的流特征树中提取出符合特征序列限定参数条件的公共特征序列。采用本发明能满足目前网络流量识别对于公共特征提取的速度和准确性的要求。

摘要： 本发明公开一种基于流量特征的APT组织流量识别方法，定义并计算DNS和TCP、HTTP/HTTPS流量中的APT组织特征，利用特征识别出APT组织流量，实现APT组织流量识别。定义的组织特征包括：Response_type，用于区分APT组织流量中的DNS隧道流量；包负载波动特征C2Load_fluct，用于计算DNS流量在时间窗口内，流量包簇在单位域名下的平均负载量；包相似特征Bad_rate，用于判断APT组织恶意流量产生时的网络状态。本发明通过构造组织流量特征进行APT组织流量识别，提出并定义的组织特征能够有效地将APT恶意流量和正常流量进行区分，提高了APT组织流量识别的准确性，为APT组织流量识别提供了新的设计思路。

摘要： 本发明公开了一种融合流量特征的网络流量预测方法，具体涉及网络信息工程技术领域，收集并获得预设时间周期范围内的历史网络流量数据，并将所获的历史网络流量数据按照预设时间步长划分为预设数量个子流量序列，分别针对各个流量序列，构建并获得网络流量预测模型，应用网络流量预测模型，对子流量序列所对应的网络流量进行预测，获得网络流量的预测分类标签结果。通过本发明的技术方案将网络流量的自相似特性作为先验知识，将其融入长短记忆神经网络的门控机制中，再结合一维卷积神经网络和注意力机制提取流量序列的时间特征，能够恢复原始数据的特征，赋予模型预测结果的可解释性，从而提高网络流量的预测精度更好的描述网络流量的变化趋势。

摘要： 本发明涉及一种基于单向突发流量特征的加密流量精细化分类方法，属于互联网加密流量分类技术领域。本方法首先从单向流量中提取区分度高且空间复杂度低的单向突发流量序列。然后与卷积神经网络等深度神经网络结合，能够在单向流量或双向流量的场景中开展加密流量的精细化分类与识别。本发明能适用于TLS加密的单向流量精细化分类，可以应用在单向和双向流量的场景中。单向突发流量序列不仅区分度高，而且相比于原始的包序列，空间复杂度大大降低。本发明使用没有全连接层的卷积神经网络从单向突发流量序列中提取高级特征然后分类，可以同时达到训练速度快和分类准确率高的目的。

摘要： 本发明公开了一种融合流量特征的网络流量预测方法，具体涉及网络信息工程技术领域，收集并获得预设时间周期范围内的历史网络流量数据，并将所获的历史网络流量数据按照预设时间步长划分为预设数量个子流量序列，分别针对各个流量序列，构建并获得网络流量预测模型，应用网络流量预测模型，对子流量序列所对应的网络流量进行预测，获得网络流量的预测分类标签结果。通过本发明的技术方案将网络流量的自相似特性作为先验知识，将其融入长短记忆神经网络的门控机制中，再结合一维卷积神经网络和注意力机制提取流量序列的时间特征，能够恢复原始数据的特征，赋予模型预测结果的可解释性，从而提高网络流量的预测精度更好的描述网络流量的变化趋势。

摘要： 本发明涉及一种基于单向突发流量特征的加密流量精细化分类方法，属于互联网加密流量分类技术领域。本方法首先从单向流量中提取区分度高且空间复杂度低的单向突发流量序列。然后与卷积神经网络等深度神经网络结合，能够在单向流量或双向流量的场景中开展加密流量的精细化分类与识别。本发明能适用于TLS加密的单向流量精细化分类，可以应用在单向和双向流量的场景中。单向突发流量序列不仅区分度高，而且相比于原始的包序列，空间复杂度大大降低。本发明使用没有全连接层的卷积神经网络从单向突发流量序列中提取高级特征然后分类，可以同时达到训练速度快和分类准确率高的目的。

摘要： 本发明公开一种基于流量特征的APT组织流量识别方法，定义并计算DNS和TCP、HTTP/HTTPS流量中的APT组织特征，利用特征识别出APT组织流量，实现APT组织流量识别。定义的组织特征包括：Response_type，用于区分APT组织流量中的DNS隧道流量；包负载波动特征C2Load_fluct，用于计算DNS流量在时间窗口内，流量包簇在单位域名下的平均负载量；包相似特征Bad_rate，用于判断APT组织恶意流量产生时的网络状态。本发明通过构造组织流量特征进行APT组织流量识别，提出并定义的组织特征能够有效地将APT恶意流量和正常流量进行区分，提高了APT组织流量识别的准确性，为APT组织流量识别提供了新的设计思路。

摘要： 本发明公开了一种流量数据特征提取方法、恶意流量识别方法以及网络系统。特征提取方法包括：S1，获取流量数据，包括m条数据流，分别从每条数据流中提取n个特征，构建矩阵X；S2，对矩阵X进行归一化处理获得特征值矩阵S3，对于特征值矩阵求取每列数据中两两元素的相似度构建列数据对应特征的自相似性矩阵；S4，求取特征值矩阵的每列数据对应特征的特征值直方图；取每个特征的自相似性矩阵的上三角元素，获得特征差异直方图；将每个特征的特征值直方图与特征差异直方图组合成特征的向量；S5，将n个特征的向量整合成流量数据的特征向量。特征向量对流量特征具有异变容忍能力，作为分类模型的输入，使分类器能准确识别出恶意流量及其变体。