计算机应用研究

作者：张丽华,刘秉楠,王俊峰,

单位：1.四川大学a.计算机学院;b.空天科学与工程学院,成都610065；2.信息工程大学,郑州450001；

关键词：移动流量,图像特征,扩展性,安全研究领域,

基金：国家重点研发计划资助项目；国家自然科学基金资助项目；装备预研教育部联合基金资助项目；；

随着移动设备的快速发展和应用激增，其产生的移动流量也迅猛增加且众多操作系统皆存在着巨大的安全风险，能够从巨大的网络流量中有效地区分出来自移动端的流量并识别其操作系统对后续的移动安全的分析有着重大的安全意义。基于传统特征的流量分析技术存在着因过分依赖特征选择而导致无法稳定有效地分类移动流量的问题，提出了一种基于图像特征的移动流量分类方法。该方法将流量样本进行可视化转换成灰度图像，从而提取其图像的GLCM特征进行分类。实验结果表明，该方法较传统方法精确率最高提升22.4%，有效地解决了传统方法的特征选择以及没有良好的扩展性等问题。此外，研究了流量研究粒度（flow到stream）、分类粒度（二分类到多分类）和数据集的均衡性（均衡与不均衡）对移动流量检测方法的影响，结果表明分类粒度对分类准确率的影响极小，准确率最大降低2.6%。该实验结果进一步说明了提出方法的扩展性，能够有效地用于后续移动流量的安全研究。

来源：2020年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第11期