比特流數(shù)據(jù)未知協(xié)議特征發(fā)現(xiàn)技術研究.pdf

1、在信息化愈演愈烈的環(huán)境下，對網(wǎng)絡的安全性需求也越來越大，無線網(wǎng)絡以其方便靈活的傳輸特點越來越受到廣大用戶的推崇。然而無線網(wǎng)絡所特有的傳輸介質使其更容易遭受攻擊，特別是采用專有協(xié)議或未知協(xié)議的竊密行為，我們無法從捕獲的數(shù)據(jù)包中直接分析出協(xié)議類型，致使其嚴重破壞信息的完整性和保密性，危害網(wǎng)絡安全。除此之外這類協(xié)議缺乏相應的協(xié)議規(guī)范查詢，大多使用動態(tài)端口進行通信，而現(xiàn)有的防范技術大多針對已知協(xié)議，采用基于端口或者有效負載的常規(guī)方法，不能有效地

2、預防此類攻擊。
　　對未知協(xié)議進行有效地識別是保障網(wǎng)絡安全的關鍵方法，而特征發(fā)現(xiàn)和提取是未知協(xié)議識別中的重要步驟，除此之外，比特流數(shù)據(jù)以其單一、無語義的特點又給未知協(xié)議的特征提取增加了不少難度。本文是在協(xié)議數(shù)據(jù)已經(jīng)進行幀切分的前提下進行特征提取，考慮到比特流數(shù)據(jù)的特殊性，首先需要選擇合適的特征選擇和標識算法，其次要驗證該算法在未知協(xié)議識別中的有效性，最后需要選擇出能準確對協(xié)議進行描述的指紋信息。針對這些關鍵問題，本文采用機器學習中

3、的聚類算法實現(xiàn)數(shù)據(jù)幀的聚類操作，設計了一種基于最大相關最小冗余的無監(jiān)督的特征選擇算法進行數(shù)據(jù)幀的特征提取。在基于機器學習的數(shù)據(jù)幀聚類算法中，通過分析每一種算法在數(shù)據(jù)幀聚類中的精確率和召回率，選擇出一種性能最好的算法，對其加以改進，使之適用于未知協(xié)議的聚類中，從而驗證后續(xù)特征選擇算法的有效性。在無監(jiān)督的特征選擇算法中，通過數(shù)據(jù)幀的單元切分，篩選和拼接得到長串，然后選擇合適的閾值對長串進行篩選得到特征候選串，在特征候選串的基礎上選擇出指定個