买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川大学

摘要：本发明公开了一种基于多维度特征深度学习的Tor匿名网络流量识别方法。包括：抓取和初步筛选数据包，将数据包归类为一系列网络流；提取每条网络流的JA3流量指纹，并与Tor‑JA3流量指纹库匹配，若匹配则识别为Tor网络流；对未匹配的网络流，使用统计方法提取其统计特征，并提取数据包的上下行方向；按时间戳排序数据包，获取数据包的时序顺序，并提取时序特征；使用FFT算法提取频域特征；利用CNN深度学习模型提取网络流中每一个数据包的内容特征，进而构建流量数据图；采用异构图神经网络模型对流量数据图提取图特征；最后利用全连接神经网络融合统计特征、时域特征、频域特征和图特征进行识别，并将识别出的Tor网络流的JA3流量指纹存入Tor‑JA3流量指纹库。

主权项：1.一种基于多维度特征深度学习的Tor匿名网络流量识别方法，其特征在于，包括以下步骤：S100.数据包的抓取和初步筛选；S200.将数据包归类为一系列网络流，并将每个网络流表示为，其中为该网络流中的第个流量包，为该网络流中的流量包数量；对每条网络流，提取其JA3流量指纹，并且与Tor-JA3流量指纹库匹配，若流量指纹存在于Tor-JA3流量指纹库，则该网络流为Tor网络流；S300.对于未匹配Tor流量指纹库的网络流，使用统计方法提取其统计特征，并提取这些网络流中数据包的上下行方向；S400.在S300的基础上，按照时间戳排序数据包，获得数据包的时序顺序，并对这些网络流提取时域特征；S500.在S400的基础上，使用FFT算法进一步对网络流提取频域特征；S600.在S500的基础上，使用CNN深度学习模型对网络流中的每一个数据包提取其内容特征，并以构成网络流的数据包作为节点，以数据包的内容特征作为节点嵌入向量，依据S400中数据包的时序顺序和S300中数据包的上下行方向作为关系构成每个网络流的流量数据图；并使用异构图神经网络模型提取流量数据图的图特征；S700.在步骤S600的基础上，训练并使用全连接神经网络融合S300中归一化后的统计特征、S400中归一化后的时域特征、S500中的频域特征和S600中的图特征，并得到每条网络流的分类结果；对于识别出的Tor网络流，将其于S200中提取出的JA3流量指纹存入Tor-JA3流量指纹库。

全文数据：

权利要求：

百度查询： 四川大学 一种基于多维度特征深度学习的Tor匿名网络流量识别方法