基于DPI的应用指纹自动提取方法研究

基于DPI的流量识别方法,通过匹配应用流量报文独有的特征字符串来识别移动应用程序产生的流量,具有较好的识别效果,但特征字符串需要人为提取。对此,提出一种通过全面观察移动应用程序产生的流量报文以自动学习移动应用指纹的方法。实验结果表明,该方法用于移动网络流量识别时的应用覆盖率可达83.3%,流覆盖率、字节覆盖率均可达较高水平。

基于应用指纹的音视频流量识别方法研究

近年来,移动设备和应用程序的数量大幅增长。这个趋势有望使全球移动应用数据流量的规模在未来的数年里增长数倍,其中音视频流量在数据流量增量中占比最大,到2020年,这一占比将逾七成。然而,目前基于DPI的流量识别方法的明显短板就是不能很好的识别加密流量,并且已有实验表明,音视频应用产生的数据流量中,加密流量的占比非常高,导致传统DPI方法不能较好的识别移动音视频应用产生的数据流量。基于这一现状,比较非加密报文中的User-Agent、Host字段、及加密报文中的SNI字段在单独识别应用流量时的识别效果,并利用这3个字段生成应用指纹用以识别音视频流量中的非加密流量及加密流量。