基于统计特征的P2P流量实时识别方法

为有效监管网络,快速精确识别P2P流量,在分析P2P网络的本质特性基础上,提出P2P流量的3个流量特征,借助机器学习方法实现对P2P流量和非P2P流量的实时分类。实验结果表明,这3个特征都具备良好的区分性,综合使用3个特征时,能在5s的时间窗口内实现对P2P流量的实时识别,识别准确率达到98.79%,误报率为0.36%。

基于综合统计特征的Skype流量分析与识别

首先对Skype通信机制进行了深入研究,并在此基础上提出了基于流统计特征和静荷统计特征的Skype流量识别策略,然后综合分析上面两种方法的优缺点,提出了基于综合统计特征的Skype流量识别方案,并设计出基于综合统计特征的Skype流量识别系统模型,最后设计并实现了相应的实验系统对相关结论进行验证。

基于VAE-CWGAN和特征统计重要性融合的网络入侵检测方法

针对传统入侵检测方法受限于数据集类不平衡以及所选特征代表性不强等问题,提出一种基于VAE-CWGAN和特征统计重要性融合的检测方法。首先,为提升数据质量对数据集进行预处理;其次,搭建VAE-CWGAN模型生成新样本以解决数据集类不平衡问题,使分类模型不再偏向于多数类;再次,使用标准差、中值均值差对特征进行排序,并融合其统计重要性来进行特征选择旨在获得代表性更强的特征,从而使模型更好地学习数据信息;最后,通过一维卷积神经网络对特征选择后的混合数据集进行分类。实验结果表明,所提方法在NSL-KDD、UNSW-NB15和CIC-IDS-2017数据集上都表现出较好的性能优势,准确率分别为98.95%、96.24%和99.92%,有效提升了入侵检测性能。

基于卡方统计的应用协议流量行为特征分析方法

引入统计理论中的卡方统计检验,提出一种通用的应用协议流量行为特征分析方法——ABSA(application behavior significance assessment).该方法不针对特定的应用协议,旨在提出描述各应用协议间行为测度分布差异情况的统一量化标准,使其可进行比较,从而判断各协议的流量行为特征,并评估相应的显著程度.理论分析及实验结果表明,ABSA方法不仅可以为协议识别提供更丰富、更准确的特征信息,优化协议识别的结果,而且保证特征显著程度的评估与协议样本在总样本中所占的比例无关,并可用于NetFlow等路由器所用的报文抽样环境下,保持以任意比例抽样后的特征相对显著程度顺序评估结果不变,简化了抽样比变化时的特征重选择过程.

一种基于统计频率的网络流量特征选择方法

在对多类不均衡的网络流量进行分类时,基于机器学习的分类模型倾向于多数类,导致少数类召回率较低.针对该问题,提出一种基于统计频率的特征选择方法.该方法首先根据样本的统计频率计算出度量每个特征区分能力的特征选择系数,然后根据特征选择系数构建特征选择矩阵,最后为每个类选择与之相关性较强的特征.在实验阶段,使用该方法选择的特征对多类不均衡的网络流量进行分类获得了较高的整体准确率、少数类召回率和g-mean值,证明该方法可以减轻多类不均衡问题带来的不良影响.

一种基于统计排序的网络流量特征选择方法

利用网络流量的统计特征进行流量的分类识别需要从众多的特征中选取最优特征集合,以避免冗余和不相关特征造成的系统模型复杂度过高、分类准确率和效率下降等问题。针对该问题,提出一种基于统计排序的网络流量特征选择方法。首先利用基于统计方法定义的特征选择系数生成初始特征子集,再将基于分类准确率构建的特征影响系数作为特征评估排序的依据,对初始特征子集进行二次特征选择,生成最优特征子集。实验结果表明,该方法在保证分类整体准确率的同时有效减少了流量统计特征的个数,在分类效果、效率以及稳定性之间实现了较好的平衡。

基于载荷特征与统计特征的Shodan流量识别

针对Shodan扫描流量对工业控制系统产生的不安全问题,结合载荷特征与统计特征,构建一种将确定性有限自动机(DFA)与支持向量机(SVM)相结合的流量识别DFA-SVM模型。通过分析应用层的流量特征,以提取协议功能码序列作为载荷特征,并结合传统的流量统计特征对流量进行识别。采用VPS部署6个分布式蜜罐系统对处理后的32522个样本进行Shodan流量识别。实验结果表明,相比仅使用单一特征的模型,该模型可有效识别出27个Shodan扫描器IP,识别精度达到99.38%。

中国近50年来群发性高温事件的识别及统计特征

本文提出一种简化的识别群发性气候事件方法,对近50多年来全国群发性高温事件识别结果表明该方法物理意义明确,客观有效,符合实际.通过对近50年来群发性高温事件统计发现,不论是从发生频数、持续时间、影响站数还是综合强度来看,2000年以后的群发性高温事件都是5个年代中最显著的.与此同时,群发性高温事件具有明显的区域特征,长江以南地区发生频率最高,其次为黄河下游华北地区,以新疆为主的西北地区亦是多发区,各个区域群发性高温事件在不同月份的分布差异体现了我国季风雨带移动及下垫面的影响.

视频图像中基于特征匹配的人流量统计

人流量统计信息在交通控制、公共场所、商业分析等领域具有重要意义。针对传统方法的不足,提出了一种基于特征匹配的人流量统计方法。该方法的第一阶段是采集少量有代表性的样本,每个样本由特征向量和对应的人数组成,并根据人数进行分类。第二阶段进行人流量统计,即提取一个运动视频段的特征向量,然后把该特征向量与样本库的每类样本进行马氏距离特征匹配,得到最佳的人数估计。实验表明,该算法具有较高的检测率,而且能够满足实时性的要求。

特征回归与检测结合的人数统计方法

针对目前特征回归与检测这2种主流的人流量统计方法的不足,提出一种基于特征回归与检测结合的人数统计方法.对于视频帧的远景区域,采用背景分割的方法提取出前景块,将前景块中的特征通过贝叶斯多核支持向量回归方法估计出人数;对于近景区域提取HOG特征,采用弱标签结构训练出模型,并采用星型结构混合模型级联检测实现行人的准确定位并统计出人数.在视频数据库上的实验结果表明,该方法不仅能够较准确地实现人流量的统计,在一定程度上减少统计时间,还能够准确地定位出一定尺度范围内行人的位置.

一种组合式特征选择算法及其在网络流量识别中的应用

当前网络流量日趋复杂,给网络管理带来许多困难.为了准确地识别出网络中的各种流量,本文以支持向量机为分类器,以流的统计学特征为分类依据,提出一种组合式特征选择算法,该算法首先快速去除和分类不相关的特征,针对余下的特征,再利用遗传算法引导特征的选择和支持向量机模型参数的寻优,最终获得了最优的特征集和最佳的支持向量机分类模型.经过实验验证,基于该算法的网络流量识别方法在识别P2P流量时能以更少的特征获得更高的分类准确率.

一种基于计算机视觉的行人流量统计方法

提出了一种统计监控视频中行人流量的方法。文中方法利用背景差法提取运动物体,并对运动物体进行跟踪。提取物体的HOG特征,并利用线性SVM判决提取的HOG特征是否符合行人要求,以达到统计视频中行人流量的目的。实验表明在人流量不是特别密集的场景,可以准确地统计视频中的行人数量。

基于扫描流量统计的本地网蠕虫检测方法

为了准确检测外网蠕虫对本地网的传播,在研究蠕虫扫描行为模式的基础上,提出一种基于扫描流量统计的本地网蠕虫检测方法,并给出蠕虫检测方法实现的总体思路、关键算法和检测过程。该检测方法分为异常流量检测和扫描包特征匹配检测两个步骤,即首先使用马尔科夫和坎泰利不等式在网络边界检测进入本地网的扫描流量,提取异常流量中的可疑扫描包的特征;然后监控本地网,检测与可疑扫描包特征相匹配的本地网扫描活动,进而判定本地网是否感染外网蠕虫。分析与初步实验证明,该方法能够检测准确检测外网蠕虫对本地网的传播。

基于n-gram多特征的流量载荷类型分类方法

精确有效的网络流量分类技术对提高网络服务质量、优化网络带宽分配、加强网络安全管理以及网络相关研究具有重要意义。目前,网络流量分类技术主要按照应用类型或者协议类型对网络流量分类,不能够对未知流量和加密流量进行分析和识别。因此提出一种基于n-gram多特征的流量载荷类型分类方法来实现对网络数据包中传输内容的类型的识别,即将流量按照其载荷类型分为文本、音频、视频、图片、可执行文件、压缩加密七类。首先利用阈值筛选出高频连续子串集合,进而在该集合上提取多样化的特征来刻画连续子串的频数分布,最后基于C 4.5决策树对流量载荷类型进行准确分类。实验验证表明,在仅使用每条流1 KB数据的情况下,分类载荷类型的平均准确率和平均召回率分别达到了92.7%和91.9%,与基于熵值的分类方法相比,平均准确率和平均召回率分别提高近10.8%和12.1%。

基于ICA和NFL分类的局部人脸识别方法

目前已存在很多基于统计的人脸整体识别方法,独立元分析方法就是一种基于信号高阶统计特性的方法。但由于人脸光照、姿态、信息缺损等外部不可避免因素会引起整个人脸灰度图像产生很大的变化,因而会对这类整体统计性方法的稳定性产生很大影响。为此提出了一种基于独立元分析和最近邻特征线的局部人脸识别方法。首先,通过对人眼的手工定位并依据人脸几何特征完成对人脸图像的截取和局部分块,从而移除发型等无用信息;然后对每个局部图像进行PCA/ICA特征提取;最后的识别阶段,通过最近邻特征线方法得到各自识别距离,并通过对各部分设置合理的权重来综合判定。实验结果表明,作为一种有效的识别方法,分块独立元方法在识别率、识别的稳定性、应用的灵活性等方面都优于传统的整体识别方法。

面向移动App流量的多特征集合集成聚类方法研究与应用

针对移动互联网流量识别问题,基于多项性能评估指标,分析K-均值和谱聚类算法在不同特征集合或不同识别目标流量数据集上的聚类性能,并提出基于多特征集合的集成聚类方法。比较分析实验表明,相同聚类方法在不同特征集合或不同识别目标数据集上性能有所不同,集成聚类方法能够有效提高利用单个特征集合聚类方法的性能。进一步将集成聚类方法应用于App关联分析,分析结果可为移动App的划分和用户行为分析提供客观依据。

I2P匿名通信流量特征分析与识别

由于匿名通信网络具有非常强的匿名性,因此越来越多的人使用匿名通信网络发布违法信息,给监管带来了很大挑战。识别匿名通信网络的流量对监管匿名通信网络具有重要意义,但目前很少有针对I2P的流量识别研究。因此,通过对I2P数据流进行深入分析,得到I2P数据流的特征,并在此基础上设计实现了I2P流量识别算法。实验结果表明,该算法具有较高的精确度和召回率,可以有效识别I2P流量。

P2P流量识别技术综述

在归纳P2P流量识别问题概念的基础上,对现有的P2P流量识别技术进行了较全面地分析。借助分类模型形式化地定义P2P流量识别问题,依据所采用的识别特征将已有技术分为基于端口号、基于流量特征、基于应用层签名、基于双重特征和基于统计行为特征五类方法,并对各类方法进行了介绍、分析与优劣对比。探讨了新兴的P2P流媒体流量识别问题,总结了P2P流量识别技术的发展趋势。

基于自适应BP神经网络的网络流量识别算法

针对新兴网络应用无法使用传统的基于端口与特征码进行识别的问题,对基于流量统计分析的网络协议识别方法进行了研究,提出了基于自适应BP神经网络的流量识别算法。对BP神经网络结构难以确定、易陷入局部极小值等缺陷进行了分析,使用双粒子群算法对BP神经网络进行优化以提高识别率。实验表明,该算法能根据网络流量的统计特征有效地识别网络应用,且对于采用UDP协议的应用同样有较高的识别率,同时优化后的自适应BP神经网络训练时间更短;并能自动调整其结构,具有良好的自适应特性。

基于流统计特性的网络流量分类算法

针对传统基于单个流统计特性的网络流量分类算法识别率低、分类算法复杂的问题,在分析各类应用协议的基础上,发现了一组易于获取、可有效区分不同业务的网络流量特征.将这一组特征应用于网络流量分类,可以有效解决以往对等网络(P2P)业务识别率低下的问题;同时利用该组特征仅需采用多项逻辑斯谛回归算法即可实现网络流量的分类,较传统流量分类算法有较低的复杂度.实验结果表明,该组特征用于分类还具有较好的泛化特性,只需较少量训练样本即可在较长时间内保持较高的识别率.