[发明专利]一种基于SVM机器学习的暗网流量识别模型的建立方法有效
| 申请号： | 201710156258.4 | 申请日： | 2017-03-16 |
| 公开（公告）号： | CN106953854B | 公开（公告）日： | 2019-10-18 |
| 发明（设计）人： | 苏宏;陈周国;丁建伟;赵越;郭宇斌 | 申请（专利权）人： | 中国电子科技集团公司第三十研究所 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司 51214 | 代理人： | 邓世燕 |
| 地址： | 610000 *** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于SVM机器学习的暗网流量识别模型的建立方法，包括如下步骤：构建基于SVM的机器学习的流量检测模型；对流量检测模型中的参数进行机器学习，得到纯净匿名流量和纯净非匿名流量的四个特征值；将纯净匿名流量和纯净非匿名流量的四个特征值带入到流量检测模型中进行运算，得到流量检测模型的参数。与现有技术相比，本发明的积极效果是：通过本发明方法，可以非常准确地刻画出匿名网络数据流量识别的数学模型，应用于匿名网络数据流量检测中，检测准确率高，运算简单高效，并且当匿名网络升级之后，由于该方法采用的是基于机器学习的算法，因此只要针对升级后的匿名网络重新进行学习，便可以检测出新的匿名网络数据流量。 | ||
| 搜索关键词： | 一种 基于 svm 机器 学习 流量 识别 模型 建立 方法 | ||
【主权项】：
1.一种基于SVM机器学习的暗网流量识别模型的建立方法，其特征在于：包括如下步骤：步骤一、构建基于SVM的机器学习的流量检测模型；步骤二、对流量检测模型中的参数进行机器学习，得到纯净匿名流量和纯净非匿名流量的四个特征值：(1)UDP连接数：每个Hostprofie文件中总共的不同IP地址数量除以Hostprofile时间得到；(2)翻墙权值：敏感域名解析的次数乘以分配给该域名的权值得到；(3)UDP流信息熵：对Hostprofile中的每个UDP流进行信息熵计算并求和，然后除以UDP流的总数得到；(4)相似报文出现频数：Hostprofile中连续数据包相似个数的统计值；步骤三、将纯净匿名流量和纯净非匿名流量的四个特征值带入到流量检测模型中进行运算，得到流量检测模型的参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国电子科技集团公司第三十研究所，未经中国电子科技集团公司第三十研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710156258.4/，转载请声明来源钻瓜专利网。
