10.19665/j.issn1001-2400.2023.02.014
结合机器学习的SSR代理下App流量识别方法
提出了一种基于机器学习的 ShadowSocksR代理下的 App 流量识别方案.目的是识别出智能手机产生的 ShadowSocksR代理流量来源于哪款 APP.该方案包含流量预处理、特征提取和模型构建.首先将智能手机产生的 ShadowSocksR流量对应的数据包集合,按照到达时间间隔以及源目的 IP 地址和端口这两部分信息将其划分为细粒度的流数据分组;再将包含数据包较少的流数据分组进行进一步的过滤,目的是过滤掉后台App 或者智能手机操作系统产生的干扰流量识别的噪音流量;之后,从过滤后的流数据分组集合中提取数据包长度统计特征与分布特征、时间统计特征、数据包频率特征、数据包过滤比例特征、前后流结合特征的特征向量组成特征矩阵,输入机器学习算法得到 App 流量识别模型,对于需要识别的ShadowSocksR流量经过相同处理步骤得到特征矩阵后,输入 App 流量识别模型即可得到流量识别结果.实验结果表明,该流量识别方法对于 ShadowSocksR代理下的 App流量识别可以到达 97%以上的准确率.
ShadowSocksR、智能手机 App 流量识别、机器学习
50
TP309(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;陕西省重点研发计划;陕西省自然科学基础研究计划青年项目
2023-05-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
138-146