论文部分内容阅读
由于大多数手机应用通过HTTP协议进行通信,传统的端口识别方法已经基本失效。另外,深度包检测和基于流统计特征的机器学习方法均存在手工设计特征和标记样本的困难。借鉴计算机视觉领域的优势,提出了一种基于视觉感知特征的手机应用流量识别方法。首先,将应用层载荷数据转换为视觉上有意义的图像,并从网络关口采集真实数据,建立了样本数据集IMTD17;然后,设计了具有视觉特征提取能力的卷积感知网络模型2D-CPN,利用卷积自编码实现了对大量无标记样本的学习,并通过多类型回归建立起从隐层特征到应用类型的映射。实验结果