CN106452948A - 一种网络流量的自动分类方法和系统 - Google Patents
一种网络流量的自动分类方法和系统 Download PDFInfo
- Publication number
- CN106452948A CN106452948A CN201610843065.1A CN201610843065A CN106452948A CN 106452948 A CN106452948 A CN 106452948A CN 201610843065 A CN201610843065 A CN 201610843065A CN 106452948 A CN106452948 A CN 106452948A
- Authority
- CN
- China
- Prior art keywords
- entrance
- application
- tag template
- frequent
- key item
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0888—Throughput
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种网络流量的自动分类方法和系统，属于网络流量技术领域，该方法包括：扫描至少一个应用入口，生成所述应用入口的标签模板，其中，所述标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述；对网络流量聚类，并提取关键项；根据所述关键项查询所述标签模板，得到对应的应用名称并标记。本发明的技术方案根据自动提取的关键项查询对应的标签模板并对应用进行标记，自动化程度高，大大提高了标记的效率并且保持了与人工标记相当的准确率，与机器学习类的算法相比更简单、准确率更高。
Description
技术领域
本发明涉及网络流量技术领域，特别涉及一种网络流量的自动分类方法和系统。
背景技术
网络的持续发展与变化，导致Internet数据流量持续增长，应用属性动态变化，应用类型多样化，对网络流量的监控尤为重要。网络流量分类是实现网络可控性的基础技术，在网络管理、服务质量保障和网络安全等领域都有应用。
目前网络流量的识别分类无外乎两种：1、通过人工分析提取出流量的特征，并标记出应用名称或者分类。这种方法的优点是标记得比较精确，但效率很低，对于未标记过的应用无法识别，并且由于该环节只能依赖人工操作，制约了流量识别整个过程的自动化。2、通过一些数据挖掘或机器学习方面的算法自动抽取特征、创建模型，进而标记出流量的分类。这种方法的优点是训练出模型之后识别效率和自动化程度都较高，能够对未知流量进行分类，但是准确率和识别精度都比较低，模型的构建较为困难。而且上述方法能把网络流量分成N个类别，但各个类别的名称则无法自动准确地获得。
发明内容
为了解决上述技术问题，本发明实施例提供了一种网络流量的自动分类方法和系统。所述技术方案如下：
第一方面，提供了一种网络流量的自动分类方法，所述方法包括：
扫描至少一个应用入口，生成所述应用入口的标签模板，其中，所述标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述；
对网络流量聚类，并提取关键项；
根据所述关键项查询所述标签模板，得到对应的应用名称并标记。
结合第一方面，在第一种可能的实施方式中，所述扫描至少一个应用入口，生成所述应用入口的标签模板具体包括：
扫描至少一个应用入口，得到应用的别名与中文名称之间的映射关系；
根据所述映射关系得到所述应用入口的标签模板。
结合第一方面，在第二种可能的实施方式中，所述对网络流量聚类具体包括：
对TCP、UDP、HTTP、SSL协议进行一级聚类；
根据源IP、目的IP、源端口、目的端口进行第二级聚类；
根据TCP/UDP的payload、HTTP的HOST和SSL的证书进行第三级聚类。
结合第一方面，在第三种可能的实施方式中，所述提取关键项具体包括：
提取所述网络流量中的频繁项，根据预设频繁项过滤所述频繁项，得到过滤后的频繁项；
根据所述过滤后的频繁项计算所在pcap的连接数和字节数占比，得到最大比例的频繁项，并定义为关键项。
结合第一方面，在第四种可能的实施方式中，在所述对网络流量聚类，并提取关键项之前，所述方法还包括：
从所述应用入口下载应用；
触发所述应用，产生网络流量。
第二方面，提供了一种网络流量的自动分类系统，该系统包括：
标签模板生成单元，用于扫描至少一个应用入口，生成所述应用入口的标签模板，其中，所述标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述；
聚类提取单元，用于对网络流量聚类，并提取关键项；
查询标记单元，用于根据所述关键项查询所述标签模板，得到对应的应用名称并标记。
结合第二方面，在第一种可能的实施方式中，所述标签模板生成单元具体用于：
扫描至少一个应用入口，得到应用的别名与中文名称之间的映射关系；
根据所述映射关系得到所述应用入口的标签模板。
结合第二方面，在第二种可能的实施方式中，所述聚类提取单元具体用于：
对TCP、UDP、HTTP、SSL协议进行一级聚类；
根据源IP、目的IP、源端口、目的端口进行第二级聚类；
根据TCP/UDP的payload、HTTP的HOST和SSL的证书进行第三级聚类。
结合第二方面，在第三种可能的实施方式中，所述聚类提取单元还具体用于：
提取所述网络流量中的频繁项，根据预设频繁项过滤所述频繁项，得到过滤后的频繁项；
根据所述过滤后的频繁项计算所在pcap的连接数和字节数占比，得到最大比例的频繁项，并定义为关键项。
结合第二方面，在第四种可能的实施方式中，所述系统还包括流量触发单元，具体用于：
从所述应用入口下载应用；
触发所述应用，产生网络流量。
本发明公开了一种网络流量的自动分类方法和系统，通过扫描至少一个应用入口，生成对应的标签模板，可以将应用入口中的应用进行标签化处理，便于后续根据关键项查找对应的应用名称，标记流量分类；通过对网络流量聚类并提取关键项，可以将属于同一应用的流量聚合到一起，并通过提取流量中的关键项来获取与应用的名称相对应的关系；通过查找标签模板，得到对应的应用名称并标记，可以根据别名查找到对应的应用名称，并标记出对应的流量，实现对流量的识别和分类。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种网络流量的自动分类方法流程图；
图2是本发明实施例提供的一种网络流量的自动分类方法流程图；
图3是本发明实施例提供的一种网络流量的自动分类系统结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明一优选实施例提供了一种网络流量的自动分类方法，参照图1所示，在本方法中，针对网络流量的分类是在线状态下完成的，所述方法流程包括：
S110、扫描至少一个应用入口，生成应用入口的标签模板，其中，标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述。
具体地，扫描至少一个应用入口，得到应用的别名与中文名称之间的映射关系；
根据上述映射关系得到应用入口的标签模板。
其中，应用入口包括APP入口网站或应用商店，例如：App Store、360手机助手、安智网等。
其中，别名包括英文名称、拼音名称、缩写或数字等中的一个或多个，上述别名可以准确的表达该应用的名称。由于在应用线上推广和推介过程中，尤其是国外应用，应用名称通常不会采用中文名称，有的甚至没有对应的中文名称，例如：2048，而是一般采用数字、字母或者拼音，对于这类应用的流量识别和分类比较难处理。将上述别名与中文名称进行映射，建立映射关系，根据别名即可实现根据映射关系对中文名称的检索，从而实现对应应用的流量识别和分类。
其中，标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述等信息。在扫描上述应用入口时，除了建立上述中文名称与别名的映射关系，同时扫描应用入口中的APP的下载信息、分类、描述信息等，综合上述扫描的信息生成各个应用入口的标签模板。
通过扫描至少一个应用入口，生成对应的标签模板，可以将应用入口中的应用进行标签化处理，方便后续的查找和维护。
S120、对网络流量聚类，并提取关键项。
具体地，对网络流量聚类采用层次聚类法，包括如下步骤：
对TCP、UDP、HTTP、SSL协议进行一级聚类；
根据源IP、目的IP、源端口、目的端口进行二级聚类；
根据TCP/UDP的payload、HTTP的HOST和SSL的证书进行三级聚类。
通过上述步骤可以将同属于一个应用所产生的流量聚合到一起，便于后续提取动作。通过对网络流量聚类，对于某些未知应用同样可以标签化处理，只要流量能够聚合到一个簇中。
具体地，提取关键项包括：
提取网络流量中的频繁项，根据预设频繁项过滤频繁项，得到过滤后的频繁项；
根据过滤后的频繁项计算所在pcap的连接数和字节数占比，得到最大比例的频繁项，并定义为关键项。
其中，在提取频繁项过程中，对与TCP/UDP协议来说，根据Apriori算法提取出payload中的频繁项。对于HTTP/SSL协议来说，根据最大公共子序列算法提取每个簇的特征，获得频繁项较高的字符串作为频繁项。其中，频繁项较高的字符串通常是该应用的别名，即英文名称、拼音、缩写或数字。此外，每个簇的特征主要指的是提取HOST、User-Agent、URL这三者中的任意一个或多个。
其中，在对频繁项过滤去除噪声的过程中，预设频繁项是预先收集的常见的广告、统计、标准协议头等频繁项，根据预设频繁项对上述从网络流量中提取出的频繁项进行过滤，滤除其中噪声，保留有用的信息。
对于过滤后的频繁项，需在pcap中计算其连接数和字节数的占比，以此来确保在pcap不纯净的情况下，过滤后的频繁项仍能够覆盖pcap最大比例的流量。如果过滤后的频繁项不满足覆盖最大比例的流量这一要求，则重新提取频繁项和调整过滤机制，直到达到覆盖最大比例的流量要求，此时过滤后的频繁项即可作为关键项。
S130、根据关键项查询标签模板，得到对应的应用名称并标记。
具体地，根据关键项查询映射关系中的中文名称；
根据该中文名称查询对应的标签模板，得到应用的信息并对应用进行标记，实现流量的识别和分类。
可选的，若根据关键项没有查询到应用名称，则根据标签模板按照应用入口的优先级提取对应的应用名称。其中，在标签目标中存储了应用名称信息，可以返回去查询即可。此外，优先级是根据各个应用入口的知名度进行排序设定的。对于仍查询不到的，则以关键项的部分内容作为应用名称，并采用机器学习算法对其进行分类。
本发明实施例提供了一种网络流量的自动分类方法，通过在线自动提取网路特征或自动聚类提取频繁项，根据频繁项或网络特征去自动查找对应的应用名称，可以实现对应应用的流量识别和分类，自动化程度高，大大提高了标记的效率并且保持了与人工标记相当的准确率，与机器学习类的算法相比更简单、准确率更高。
在本发明另一优选的实施例中提供了一种网络流量的自动分类方法，参照图2所示，该方法的网络流量分类是离线状态下完成的，该方法如下：
S210、扫描至少一个应用入口，生成应用入口的标签模板，其中，标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述。
具体地，本步骤与S110相同，在此不再赘述。
S220、触发网络流量。
具体地，从应用入口下载应用；
触发应用，产生网络流量。
由于本发明实施例的方法是离线状态下执行的，对于网络流量的分类必然要有应用的流量触发才可继续进行。
其中，从应用入口下载应用可以是手动进行，也可以是自动进行的，此处优选为自动下载应用。
其中，下载的应用通过安卓系统中的动态沙箱实现应用的自动点击，触发应用动作，产生网络流量。
S230、对网络流量聚类，并提取关键项。
具体地，本步骤与S120相同，在此不再赘述。
S240、根据关键项查询标签模板，得到对应的应用名称并标记。
具体地，本步骤与S130相同，在此不再赘述。
本发明实施例提供的一种网络流量的自动分类方法，在离线状态下对触发网络流量，从而根据该网路流量对其进行识别、分类和标记，能够保证与在线流量分类同样的效果同时，也可以扩展本方法的使用范围，尤其应用于网络环境较差或待打开的场景中。
在本发明的另一优选的实施例中提供了一种网络流量的自动分类系统，参照图3所示，本系统包括：
标签模板生成单元310，用于扫描至少一个应用入口，生成应用入口的标签模板，其中，标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述；
聚类提取单元320，用于对网络流量聚类，并提取关键项；
查询标记单元330，用于根据关键项查询标签模板，得到对应的应用名称并标记。
其中，标签模板生成单元310具体用于：
扫描至少一个应用入口，得到应用的别名与中文名称之间的映射关系；
根据映射关系得到应用入口的标签模板。
其中，聚类提取单元320具体用于：
对TCP、UDP、HTTP、SSL协议进行一级聚类；
根据源IP、目的IP、源端口、目的端口进行第二级聚类；
根据TCP/UDP的payload、HTTP的HOST和SSL的证书进行第三级聚类。
其中，聚类提取单元320还具体用于：
提取网络流量中的频繁项，根据预设频繁项过滤频繁项，得到过滤后的频繁项；
根据过滤后的频繁项计算所在pcap的连接数和字节数占比，得到最大比例的频繁项，并定义为关键项。
其中，本系统还包括流量触发单元340，具体用于：
从应用入口下载应用；
触发应用，产生网络流量。
本发明实施例提供的一种网络流量的自动分类系统，通过标签模板生成单元310扫描至少一个应用入口，生成对应的标签模板，可以将应用入口中的应用进行标签化处理，便于后续根据关键项查找对应的应用名称，标记流量分类；通过聚类提取单元320对网络流量聚类并提取关键项，可以将属于同一应用的流量聚合到一起，并通过提取流量中的关键项来获取与应用的名称相对应的关系；通过查询标记单元330查找标签模板，得到对应的应用名称并标记，可以根据别名查找到对应的应用名称，并标记出对应的流量，实现对流量的识别和分类。而且，本系统能够将人工标记转化为自动标记，大大提高了标记的效率，并且保持了与人工标记相当的准确率，与机器学习类的算法相比更简单、准确率更高。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
需要说明的是：上述实施例提供的电子系统在执行时，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将系统的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。另外，上述实施例提供的电子系统与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种网络流量的自动分类方法，其特征在于，所述方法包括：
扫描至少一个应用入口，生成所述应用入口的标签模板，其中，所述标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述；
对网络流量聚类，并提取关键项；
根据所述关键项查询所述标签模板，得到对应的应用名称并标记。
2.根据权利要求1所述的方法，其特征在于，所述扫描至少一个应用入口，生成所述应用入口的标签模板具体包括：
扫描至少一个应用入口，得到应用的别名与中文名称之间的映射关系；
根据所述映射关系得到所述应用入口的标签模板。
3.根据权利要求1所述的方法，其特征在于，所述对网络流量聚类具体包括：
对TCP、UDP、HTTP、SSL协议进行一级聚类；
根据源IP、目的IP、源端口、目的端口进行二级聚类；
根据TCP/UDP的payload、HTTP的HOST和SSL的证书进行三级聚类。
4.根据权利要求1所述的方法，其特征在于，所述提取关键项具体包括：
提取所述网络流量中的频繁项，根据预设频繁项过滤所述频繁项，得到过滤后的频繁项；
根据所述过滤后的频繁项计算所在pcap的连接数和字节数占比，得到最大比例的频繁项，并定义为关键项。
5.根据权利要求1所述的方法，其特征在于，在所述对网络流量聚类，并提取关键项之前，所述方法还包括：
从所述应用入口下载应用；
触发所述应用，产生网络流量。
6.一种网络流量的自动分类系统，其特征在于，所述系统包括:
标签模板生成单元，用于扫描至少一个应用入口，生成所述应用入口的标签模板，其中，所述标签模板包括应用入口的下载链接、应用入口中的分类、应用名称、下载次数和描述；
聚类提取单元，用于对网络流量聚类，并提取关键项；
查询标记单元，用于根据所述关键项查询所述标签模板，得到对应的应用名称并标记。
7.根据权利要求6所述的系统，其特征在于，所述标签模板生成单元具体用于：
扫描至少一个应用入口，得到应用的别名与中文名称之间的映射关系；
根据所述映射关系得到所述应用入口的标签模板。
8.根据权利要求6所述的系统，其特征在于，所述聚类提取单元具体用于：
对TCP、UDP、HTTP、SSL协议进行一级聚类；
根据源IP、目的IP、源端口、目的端口进行第二级聚类；
根据TCP/UDP的payload、HTTP的HOST和SSL的证书进行第三级聚类。
9.根据权利要求6所述的系统，其特征在于，所述聚类提取单元还具体用于：
提取所述网络流量中的频繁项，根据预设频繁项过滤所述频繁项，得到过滤后的频繁项；
根据所述过滤后的频繁项计算所在pcap的连接数和字节数占比，得到最大比例的频繁项，并定义为关键项。
10.根据权利要求9所述的系统，其特征在于，所述系统还包括流量触发单元，具体用于：
从所述应用入口下载应用；
触发所述应用，产生网络流量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610843065.1A CN106452948A (zh) | 2016-09-22 | 2016-09-22 | 一种网络流量的自动分类方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610843065.1A CN106452948A (zh) | 2016-09-22 | 2016-09-22 | 一种网络流量的自动分类方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106452948A true CN106452948A (zh) | 2017-02-22 |
Family
ID=58167064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610843065.1A Pending CN106452948A (zh) | 2016-09-22 | 2016-09-22 | 一种网络流量的自动分类方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106452948A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107888450A (zh) * | 2017-11-16 | 2018-04-06 | 国云科技股份有限公司 | 一种桌面云虚拟网络行为分类方法 |
| CN108881305A (zh) * | 2018-08-08 | 2018-11-23 | 西安交通大学 | 一种面向加密流量识别的样本自动标定方法 |
| CN109492655A (zh) * | 2017-09-11 | 2019-03-19 | 中国移动通信有限公司研究院 | 一种特征提取方法、装置及终端 |
| CN109672586A (zh) * | 2018-12-13 | 2019-04-23 | 宜通世纪科技股份有限公司 | 一种dpi业务流量识别方法、装置与计算机可读存储介质 |
| CN110569360A (zh) * | 2019-09-06 | 2019-12-13 | 成都深思科技有限公司 | 网络会话数据标注与自动关联的方法 |
| WO2020119662A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳先进技术研究院 | 一种网络流量分类方法 |
| CN112436968A (zh) * | 2020-11-23 | 2021-03-02 | 恒安嘉新（北京）科技股份公司 | 一种网络流量的监测方法、装置、设备及存储介质 |
| CN114500309A (zh) * | 2022-04-13 | 2022-05-13 | 南京华飞数据技术有限公司 | 一种网络应用流量自动化配置识别系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102299863A (zh) * | 2011-09-27 | 2011-12-28 | 北京网康科技有限公司 | 一种网络流量聚类的方法及其设备 |
| CN102685016A (zh) * | 2012-06-06 | 2012-09-19 | 济南大学 | 互联网流量区分方法 |
| CN103856370A (zh) * | 2014-02-25 | 2014-06-11 | 中国科学院计算技术研究所 | 一种应用流量识别方法及其系统 |
| CN105071984A (zh) * | 2015-07-21 | 2015-11-18 | 卢永强 | 一种自动化挖掘比特粒度特征的网络流量分类与应用识别方法 |
-
2016
- 2016-09-22 CN CN201610843065.1A patent/CN106452948A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102299863A (zh) * | 2011-09-27 | 2011-12-28 | 北京网康科技有限公司 | 一种网络流量聚类的方法及其设备 |
| CN102685016A (zh) * | 2012-06-06 | 2012-09-19 | 济南大学 | 互联网流量区分方法 |
| CN103856370A (zh) * | 2014-02-25 | 2014-06-11 | 中国科学院计算技术研究所 | 一种应用流量识别方法及其系统 |
| CN105071984A (zh) * | 2015-07-21 | 2015-11-18 | 卢永强 | 一种自动化挖掘比特粒度特征的网络流量分类与应用识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘兴彬，杨建华，谢高岗: "《基于Apriori 算法的流量识别特征自动提取方法》", 《通信学报》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109492655A (zh) * | 2017-09-11 | 2019-03-19 | 中国移动通信有限公司研究院 | 一种特征提取方法、装置及终端 |
| CN107888450A (zh) * | 2017-11-16 | 2018-04-06 | 国云科技股份有限公司 | 一种桌面云虚拟网络行为分类方法 |
| CN107888450B (zh) * | 2017-11-16 | 2021-06-22 | 国云科技股份有限公司 | 一种桌面云虚拟网络行为分类方法 |
| CN108881305A (zh) * | 2018-08-08 | 2018-11-23 | 西安交通大学 | 一种面向加密流量识别的样本自动标定方法 |
| CN108881305B (zh) * | 2018-08-08 | 2020-04-28 | 西安交通大学 | 一种面向加密流量识别的样本自动标定方法 |
| CN109672586A (zh) * | 2018-12-13 | 2019-04-23 | 宜通世纪科技股份有限公司 | 一种dpi业务流量识别方法、装置与计算机可读存储介质 |
| WO2020119662A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳先进技术研究院 | 一种网络流量分类方法 |
| CN110569360A (zh) * | 2019-09-06 | 2019-12-13 | 成都深思科技有限公司 | 网络会话数据标注与自动关联的方法 |
| CN112436968A (zh) * | 2020-11-23 | 2021-03-02 | 恒安嘉新（北京）科技股份公司 | 一种网络流量的监测方法、装置、设备及存储介质 |
| CN112436968B (zh) * | 2020-11-23 | 2023-10-17 | 恒安嘉新（北京）科技股份公司 | 一种网络流量的监测方法、装置、设备及存储介质 |
| CN114500309A (zh) * | 2022-04-13 | 2022-05-13 | 南京华飞数据技术有限公司 | 一种网络应用流量自动化配置识别系统 |
| CN114500309B (zh) * | 2022-04-13 | 2022-07-08 | 南京华飞数据技术有限公司 | 一种网络应用流量自动化配置识别系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106452948A (zh) | 一种网络流量的自动分类方法和系统 | |
| CN109639481B (zh) | 一种基于深度学习的网络流量分类方法、系统及电子设备 | |
| CN109726744B (zh) | 一种网络流量分类方法 | |
| CN110380989B (zh) | 网络流量指纹特征二阶段多分类的物联网设备识别方法 | |
| CN107360145B (zh) | 一种多节点蜜罐系统及其数据分析方法 | |
| CN109600317B (zh) | 一种自动识别流量并提取应用规则的方法及装置 | |
| CN109525508B (zh) | 基于流量相似性比对的加密流识别方法、装置及存储介质 | |
| CN106447361A (zh) | 一种纸张介质艺术品防伪鉴定和备案追溯系统及方法 | |
| US20150188879A1 (en) | Apparatus for grouping servers, a method for grouping servers and a recording medium | |
| CN108897778A (zh) | 一种基于多源大数据分析的图像标注方法 | |
| CN107483451B (zh) | 基于串并行结构网络安全数据处理方法及系统、社交网络 | |
| CN104618132A (zh) | 一种应用程序识别规则生成方法和装置 | |
| CN106713351B (zh) | 一种基于串口服务器的安全通讯方法及装置 | |
| CN113191358B (zh) | 金属零件表面文本检测方法和系统 | |
| CN106899586A (zh) | 一种基于机器学习的dns服务器软件指纹识别系统和方法 | |
| CN112333185A (zh) | 一种基于dns解析的域名阴影检测方法和装置 | |
| CN112019449A (zh) | 流量识别抓包方法和装置 | |
| CN105117434A (zh) | 一种网页分类方法和系统 | |
| CN104951794A (zh) | 基于颜色与纹理的竹条自动识别方法与系统开发 | |
| CN109660656A (zh) | 一种智能终端应用程序识别方法 | |
| CN109309587A (zh) | 一种日志采集方法及系统 | |
| CN106533728B (zh) | 服务器信息收集方法和装置 | |
| CN109558381A (zh) | 一种数据处理方法及装置 | |
| CN106982147B (zh) | 一种Web通讯应用的通讯监控方法和装置 | |
| CN107784588A (zh) | 保险用户信息合并方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 100191 Beijing City, North Third Ring Road West, No. 27, building 25, room five, floor 5002 Applicant after: Heng Jia Jia (Beijing) Technology Co., Ltd. Address before: 100191 Beijing City, North Third Ring Road West, No. 27, building 25, room five, floor 5002 Applicant before: Eversec (Beijing) Technology Co., Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |