微信流量分类模型及其业务识别算法研究

微信流量分类模型及其业务识别算法研究

ID:22299369

大小:65.55 KB

页数:14页

时间:2018-10-28

微信流量分类模型及其业务识别算法研究_第1页
微信流量分类模型及其业务识别算法研究_第2页
微信流量分类模型及其业务识别算法研究_第3页
微信流量分类模型及其业务识别算法研究_第4页
微信流量分类模型及其业务识别算法研究_第5页
资源描述:

《微信流量分类模型及其业务识别算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、微信流量分类模型及其业务识别算法研究摘要:以微信流量模型和业务识别为主要研究内容,首先分析了微信流量的特点,即脉冲式长连接的方式,并提出了分类的模型;其次,在分类模型的基础上分析了微信的协议特征,通过匹配有效载荷识别出微信流;同时,提出了进一步识别出微信流量的算法以及细粒度分类微信子业务;最后,进行了实验分类微信流,以98%的分类准确度识别出52%的微信子业务。关键词:QoS;流量分类;协议特征;深包检测;细粒度分类中图分类号:TN911734;TM417文献标识码:A文章编号:10047373X(2016)15?0028?04Abstract:T

2、akingtheWeChattrafficmodelandbusinessidentificationasthemainresearchcontents,thecharacteristic(pulsedlongconnection)ofWeChattrafficisanalyzed,andtheclassificationmodelisputforward.Onthebasisoftheclassificationmodel,theprotocolfeatureofWeChatisanalyzed,andtheWeChattrafficisiden

3、tifiedaccuratelybymatchingtheeffectiveload.Analgorithmto微信流量分类模型及其业务识别算法研究摘要:以微信流量模型和业务识别为主要研究内容,首先分析了微信流量的特点,即脉冲式长连接的方式,并提出了分类的模型;其次,在分类模型的基础上分析了微信的协议特征,通过匹配有效载荷识别出微信流;同时,提出了进一步识别出微信流量的算法以及细粒度分类微信子业务;最后,进行了实验分类微信流,以98%的分类准确度识别出52%的微信子业务。关键词:QoS;流量分类;协议特征;深包检测;细粒度分类中图分类号:TN911

4、734;TM417文献标识码:A文章编号:10047373X(2016)15?0028?04Abstract:TakingtheWeChattrafficmodelandbusinessidentificationasthemainresearchcontents,thecharacteristic(pulsedlongconnection)ofWeChattrafficisanalyzed,andtheclassificationmodelisputforward.Onthebasisoftheclassificationmodel,thepro

5、tocolfeatureofWeChatisanalyzed,andtheWeChattrafficisidentifiedaccuratelybymatchingtheeffectiveload.AnalgorithmtoidentifytheWeChattrafficfutherispoposedtoclassifytheWeChatsub?businesswithfinegrit.TheexperimentwasperformedtoclassifytheWeChattraffic.Thealgorithmcanidentify52%WeCh

6、atsub?businesswith98%classificationaccuracy.Keywords:QoS;trafficclassification;protocolfeature;deeppacketdetection;finegritclassification随着计算机技术与互联网技术的不断发展,新的应用模式与应用需求不断涌现,网络流量的增长变得多样化,给互联网管理和运营带来巨大的压力和挑战,网络流量分类作为一种认识网络流量,优化流量是一项必不可少的方式[1]。对网络流量进行合理的分类可以使服务提供商识别网络中的流量,并根据流量的特性

7、规划网络,从而提供更合适的QoS服务。其次,网络流量安全也是信息安全的一项重大主题,随着安全的重要性不断提高,网络流量分类是入侵检测的核心,如果能在流量到达目的地之前就进行拦截,能极大地提高网络的安全性及网络性能,营造更好的互联网安全平台。1基于微信流量的分类模型目前对微信的流量识别方式较少,有些是基于深包检测的研究方法[2],但这些方法缺乏系统化的流量分类方法,在现有的深包检测的基础上,进一步对微信流量分类细化,提出了一种基于层次化的微信流量分类模型,能广泛用于类似微信的基于DPI的分类方法中[3]。1.1流量模式分析从协议的角度上分析,微信流量

8、是不具备加密性的,但可能存在一些重要的数据在网络传输前就进行过本地的加密。进一步,微信是基于一个主TCP连接发生的,在进入

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。