基于数据流多维特征的移动流量识别方法研究

• 作者: 武思齐 王俊峰
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据流 移动流量识别 操作系统分类 机器学习 集成学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 247-254
• 页数: 8页
• 分类号: TP309.7
• 字数: 7000字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.02.008

摘要

随着移动互联网的快速发展,移动设备的数量激增至历史新高.从大量混杂流量中识别出移动流量并对流量进行分析,是深入研究移动互联网特性的第一步,同时可以为移动网络测量与管理、移动安全和隐私保护提供有价值的信息.本文综合整理了网络流量识别的常见方法,提出了基于数据流多维统计特征的移动流量识别方法.该方法从硬件特征、操作系统指纹和用户使用习惯三个方面提取了数据流中具有代表性的特征并对特征进行分析,使用集成学习的方法生成识别模型.移动流量的识别准确率和主流的5种操作系统流量分类的准确率都达到了99％ 以上.本文方法比UAFs方法准确率提高了8％ 左右.本方法提取的特征具有多维性并且具有实际意义,整合了网络层和传输层的数据流特征,相较于使用深度数据包检测的方法,基于数据流多维特征的方法同样适用于加密流量的分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王俊峰	四川大学空天科学与工程学院	73	574	15.0	21.0
2	武思齐	四川大学计算机学院	3	1	1.0	1.0