CN108173781A - Https流量识别方法、装置、终端设备及存储介质 - Google Patents

Https流量识别方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN108173781A
CN108173781A CN201711409687.4A CN201711409687A CN108173781A CN 108173781 A CN108173781 A CN 108173781A CN 201711409687 A CN201711409687 A CN 201711409687A CN 108173781 A CN108173781 A CN 108173781A
Authority
CN
China
Prior art keywords
https
flows
datas
data
xdr
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.)
Granted
Application number
CN201711409687.4A
Other languages
English (en)
Other versions
CN108173781B (zh
Inventor
郑涛
林宇杨
傅宇
彭司宇
陈杰
李秀海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGDONG EASTONE TECHNOLOGY Co Ltd
Original Assignee
GUANGDONG EASTONE TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GUANGDONG EASTONE TECHNOLOGY Co Ltd filed Critical GUANGDONG EASTONE TECHNOLOGY Co Ltd
Priority to CN201711409687.4A priority Critical patent/CN108173781B/zh
Publication of CN108173781A publication Critical patent/CN108173781A/zh
Application granted granted Critical
Publication of CN108173781B publication Critical patent/CN108173781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • H04L47/2483—Traffic characterised by specific attributes, e.g. priority or QoS involving identification of individual flows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]

Abstract

本发明公开了一种HTTPS流量识别方法、装置、终端设备及存储介质，所述HTTPS流量识别方法包括：获取HTTPS流量数据；根据预设的计算口径计算所述HTTPS流量数据的每一XDR特征变量，得到所述HTTPS流量数据的全部XDR特征变量；将所述HTTPS流量数据的全部XDR特征变量输入预先创建的支持向量机分类模型，得到所述HTTPS流量数据对应的流量类型；其中，所述流量类型为图片流量或非图片流量；所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，所述样本流量数据为已标记为图片流量和非图片流量的数据。采用本发明实施例能够降低HTTPS流量的图片流量识别的数据获取难度和计算复杂度，降低识别成本。

Description

HTTPS流量识别方法、装置、终端设备及存储介质
技术领域
本发明涉及移动互联网业务流量识别技术领域，尤其涉及一种HTTPS流量识别方法、装置、终端设备以及存储介质。
背景技术
HTTPS是一种保证网页数据安全传输的加密协议。在HTTPS协议中，HTTP负责网页数据的传输，SSL/TLS协议负责数据加密和身份认证。目前，HTTPS协议已经被广泛地应用到网络银行、网络支付、电子商务等重要服务中。众多Web站点为了自身在通讯过程中的安全，也都通过HTTPS协议来进行数据传输。而流量识别和分类是一种有效的网络管理手段，它通过主动获取网络流量，对其进行分析，全面地了解当前网络环境中各种网络应用的运行状况，因此，实现HTTPS流量识别具有重要的意义。然而，现有方案通过DFI技术获取IP流特征对HTTPS流量进行识别，数据获取难度大，计算复杂度高，实现识别成本高，可行性较差。
发明内容
本发明实施例提供一种HTTPS流量识别方法、装置、终端设备以及存储介质，能有效解决现有HTTPS流量识别技术数据获取难度大，计算复杂度高，可行性较差的技术问题。
本发明一实施例提供一种HTTPS流量识别方法，包括：
获取HTTPS流量数据；
根据预设的计算口径计算所述HTTPS流量数据的每一XDR特征变量，得到所述HTTPS流量数据的全部XDR特征变量；
将所述HTTPS流量数据的全部XDR特征变量输入预先创建的支持向量机分类模型，得到所述HTTPS流量数据对应的流量类型；其中，所述流量类型为图片流量或非图片流量；所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，所述样本流量数据为已标记为图片流量和非图片流量的数据。
优选地，所述每一XDR特征变量及其对应的计算口径如下表所示：
优选地，所述所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，具体包括：
对样本流量数据进行不放回抽样，生成训练集和测试集；
对训练集中的XDR特征变量数据进行支持向量机训练，得到可用于识别图片流量和非图片流量的支持向量机分类模型。
优选地，使用测试集中的XDR特征变量数据测试所述支持向量机分类模型的分类结果，计算分类结果的查准率、查全率和F值，对所述支持向量机分类模型的参数进行优化。
优选地，在所述获取HTTPS流量数据后，还包括：
对所述HTTPS流量数据进行清洗，包括用“0”填补空缺值，剔除噪声数据、极大值和极小值，以及对HTTPS流量数据进行离散化处理。
优选地，所述HTTPS流量识别方法还包括：
分别将识别为图片流量和非图片流量的HTTPS流量数据的SSL/TLS协议头中包含的服务器HOST提取出来；
根据预设的HOST业务类型对应表得到所述图片流量和所述非图片流量所对应的业务类型。
与现有技术相比，本发明实施例公开的HTTPS流量识别方法基于样本流量数据的XDR特征变量数据建立支持向量机分类模型，对HTTPS流量数据的图片流量和非图片流量进行识别，所述XDR特征变量根据计算口径计算获取，减少了数据获取难度和计算复杂度，降低流量识别成本；通过使用查准率、查全率和F值三个关键指标为依据对支持向量机分类模型进行参数优化，提高了流量分类的精度。
本发明另一实施例对应提供了一种HTTPS流量识别装置，包括：
流量数据获取模块，用于获取HTTPS流量数据；
特征变量计算模块，用于根据预设的计算口径计算所述HTTPS流量数据的每一XDR特征变量，得到所述HTTPS流量数据的全部XDR特征变量；
流量数据识别模块，用于将所述HTTPS流量数据的全部XDR特征变量输入预先创建的支持向量机分类模型，得到所述HTTPS流量数据对应的流量类型；其中，所述流量类型为图片流量或非图片流量；所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，所述样本流量数据为已标记为图片流量和非图片流量的数据。
优选地，所述HTTPS流量识别装置，还包括：
流量数据清洗模块，用于对所述HTTPS流量数据进行清洗，包括用“0”填补空缺值，剔除噪声数据、极大值和极小值，以及对HTTPS流量数据进行离散化处理。
与现有技术相比，本发明实施例公开的HTTPS流量识别方法基于样本流量数据的XDR特征变量数据建立支持向量机分类模型，对HTTPS流量数据的图片流量和非图片流量进行识别，所述XDR特征变量根据计算口径计算获取，减少了数据获取难度和计算复杂度，降低流量识别成本；通过使用查准率、查全率和F值三个关键指标为依据对支持向量机分类模型进行参数优化，提高了流量分类的精度。
本发明另一实施例提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述发明实施例所述的HTTPS流量识别方法。
本发明另一实施例提供了一种存储介质，其特征在于，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行上述发明实施例所述的HTTPS流量识别方法。
附图说明
图1是本发明第一实施例提供的一种HTTPS流量识别方法的流程示意图。
图2是本发明第二实施例提供的一种HTTPS流量识别方法的流程示意图。
图3是本发明第三实施例提供的一种HTTPS流量识别装置的结构示意图。
具体实施方式
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作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。
参见图1，是本发明第一实施例提供的一种HTTPS流量识别方法的流程示意图，所述HTTPS流量识别方法包括：
S101、获取HTTPS流量数据；
S102、根据预设的计算口径计算所述HTTPS流量数据的每一XDR特征变量，得到所述HTTPS流量数据的全部XDR特征变量；
在本实施例中，所述每一XDR特征变量及其对应的计算口径如下表所示：
S103、将所述HTTPS流量数据的全部XDR特征变量输入预先创建的支持向量机分类模型，得到所述HTTPS流量数据对应的流量类型；其中，所述流量类型为图片流量或非图片流量。所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，所述样本流量数据为已标记为图片流量和非图片流量的数据。
在本实施例中，所述所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，具体包括：
对样本流量数据进行不放回抽样，生成训练集和测试集。
对训练集中的XDR特征变量数据进行支持向量机训练，得到可用于识别图片流量和非图片流量的支持向量机分类模型。
优选地，使用测试集中的XDR特征变量数据测试所述支持向量机分类模型的分类结果，计算分类结果的查准率、查全率和F值，对所述支持向量机分类模型的参数进行优化。
所述支持向量机(SVM)是通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中(Hilbert空间)，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。所述支持向量机应用核函数的展开定理，不需要知道非线性映射的显式表达式；由于是在高维特征空间中建立线性学习机，所以与线性模型相比，所述支持向量机分类模型不但几乎不增加计算的复杂性，而且在某种程度上避免了“维数灾难”。所述支持向量机常用的核函数有线性核函数、多项式核函数、径向基函数和二层神经网络核函数。
在本实施例中，所述支持向量机采用的核函数为径向基函数。
所述查准率、查全率和F值的定义如下：
其中，TP表示实际类型为1的样本被正确标记为1的样本数，FP表示实际类型为非1的样本被误标记为1的样本数，FN表示实际类型为1的样本被误标记为非1的样本数。
优选地，在所述获取HTTPS流量数据之后，所述HTTPS流量识别方法还包括对所述HTTPS流量数据进行清洗，包括用“0”填补空缺值，剔除噪声数据、极大值和极小值，以及对HTTPS流量数据进行离散化处理。对所述HTTPS流量数据进行清洗，保证了数据的一致性，提高了数据质量，减少了计算时间，提高了计算精确度。
本发明实施例提供的一种HTTPS流量识别方法基于样本流量数据的XDR特征变量数据建立支持向量机分类模型，对HTTPS流量数据的图片流量和非图片流量进行识别，所述XDR特征变量根据计算口径计算获取，减少了数据获取难度和计算复杂度，降低流量识别成本；通过使用查准率、查全率和F值三个关键指标为依据对支持向量机分类模型进行参数优化，提高了流量分类的精度。
参见图2，为本发明第二实施例提供的一种HTTPS流量识别方法，本发明的第二实施例在第一实施例的基础上增加了如下步骤：
S204、分别将识别为图片流量和非图片流量的HTTPS流量数据的SSL/TLS协议头中包含的服务器HOST提取出来；
S205、根据预设的HOST业务类型对应表得到所述图片流量和所述非图片流量所对应的业务类型。
在本实施例中，所述HOST业务类型对应表为：
本发明实施例提供的一种HTTPS流量识别方法基于样本流量数据的XDR特征变量数据建立支持向量机分类模型，对HTTPS流量数据的图片流量和非图片流量进行识别，所述XDR特征变量根据计算口径计算获取，减少了数据获取难度和计算复杂度，降低流量识别成本；通过使用查准率、查全率和F值三个关键指标为依据对支持向量机分类模型进行参数优化，提高了流量分类的精度；进一步，通过提取HTTPS流量数据的SSL/TLS协议头中包含的服务器HOST，对HTTPS流量数据进行业务类型识别，实现了对HTTPS流量类型和业务类型的识别。
参见图3，是本发明第三实施例提供的一种HTTPS流量识别装置300的结构示意图，所述HTTPS流量识别装置300包括：
流量数据获取模块310，用于获取HTTPS流量数据；
特征变量计算模块320，用于根据预设的计算口径计算所述HTTPS流量数据的每一XDR特征变量，得到所述HTTPS流量数据的全部XDR特征变量；
流量数据识别模块330，用于将所述HTTPS流量数据的全部XDR特征变量输入预先创建的支持向量机分类模型，得到所述HTTPS流量数据对应的流量类型；其中，所述流量类型为图片流量或非图片流量；所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，所述样本流量数据为已标记为图片流量和非图片流量的数据。
本发明实施例提供的一种HTTPS流量识别方法基于样本流量数据的XDR特征变量数据建立支持向量机分类模型，对HTTPS流量数据的图片流量和非图片流量进行识别，所述XDR特征变量根据计算口径计算获取，减少了数据获取难度和计算复杂度，降低流量识别成本；通过使用查准率、查全率和F值三个关键指标为依据对支持向量机分类模型进行参数优化，提高了流量分类的精度。
优选地，所述HTTPS流量识别装置300，还包括：
流量数据清洗模块，用于对所述HTTPS流量数据进行清洗，包括用“0”填补空缺值，剔除噪声数据、极大值和极小值，以及对HTTPS流量数据进行离散化处理。本实施例通过数据清洗模块对所述HTTPS流量数据进行清洗，保证了数据的一致性，提高了数据质量，减少了计算时间，提高了计算精确度。
优选地，所述HTTPS流量识别装置300，还包括：
HOST提取模块，用于分别将识别为图片流量和非图片流量的HTTPS流量的SSL/TLS协议头中包含的服务器HOST提取出来；
业务类型识别模块，用于根据预设的HOST业务类型对应表得到所述图片流量和所述非图片流量所对应的业务类型。
在本实施例中，所述HOST业务类型对应表为：
序号 业务类型 HOST
1 百度 .*.baidu.com
2 腾讯 .*.qq.com
3 京东 .*.jd.com
4 淘宝 .*.taobao.com
5 凤凰网 .*.ifeng.com
6 微信 weixin.qq.com
7 百度贴吧 tieba.baidu.com
8 百度地图 map.baidu.com
9 支付宝 .*.alipay.com
10 爱奇艺 .*iqiyi.com
11 优酷 .*.youku.com
12 腾讯视频 v.qq.com
13 新浪微博 weibo.com
14 新浪 .*.sina.com
15 网易 .*.163.com
… … …
本实施例通过提取HTTPS流量数据的SSL/TLS协议头中包含的服务器HOST，对识别为图片流量和非图片流量的HTTPS流量进行业务类型识别，实现了对HTTPS流量类型和业务类型的识别。
本发明第四实施例提供了一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任意实施例所述的HTTPS流量识别方法。
本发明第五实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行上述任意实施例所述的HTTPS流量识别方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种HTTPS流量识别方法，其特征在于，包括：
获取HTTPS流量数据；
根据预设的计算口径计算所述HTTPS流量数据的每一XDR特征变量，得到所述HTTPS流量数据的全部XDR特征变量；
将所述HTTPS流量数据的全部XDR特征变量输入预先创建的支持向量机分类模型，得到所述HTTPS流量数据对应的流量类型；其中，所述流量类型为图片流量或非图片流量；所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，所述样本流量数据为已标记为图片流量和非图片流量的数据。
2.根据权利要求1所述的HTTPS流量识别方法，其特征在于：
所述每一XDR特征变量及其对应的计算口径如下表所示：
3.根据权利要求1所述的HTTPS流量识别方法，其特征在于，所述所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，具体包括：
对样本流量数据进行不放回抽样，生成训练集和测试集；
对训练集中的XDR特征变量数据进行支持向量机训练，得到可用于识别图片流量和非图片流量的支持向量机分类模型。
4.根据权利要求3所述的HTTPS流量识别方法，其特征在于，还包括：
使用测试集中的XDR特征变量数据测试所述支持向量机分类模型的分类结果，计算分类结果的查准率、查全率和F值，对所述支持向量机分类模型的参数进行优化。
5.根据权利要求1所述的HTTPS流量识别方法，其特征在于，在所述获取HTTPS流量数据之后，还包括：
对所述HTTPS流量数据进行清洗，包括用“0”填补空缺值，剔除噪声数据、极大值和极小值，以及对HTTPS流量数据进行离散化处理。
6.根据权利要求1所述的HTTPS流量识别方法，其特征在于，还包括：
分别将识别为图片流量和非图片流量的HTTPS流量数据的SSL/TLS协议头中包含的服务器HOST提取出来；
根据预设的HOST业务类型对应表得到所述图片流量和所述非图片流量所对应的业务类型。
7.一种HTTPS流量识别装置，其特征在于，包括：
流量数据获取模块，用于获取HTTPS流量数据；
特征变量计算模块，用于根据预设的计算口径计算所述HTTPS流量数据的每一XDR特征变量，得到所述HTTPS流量数据的全部XDR特征变量；
流量数据识别模块，用于将所述HTTPS流量数据的全部XDR特征变量输入预先创建的支持向量机分类模型，得到所述HTTPS流量数据对应的流量类型；其中，所述流量类型为图片流量或非图片流量；所述支持向量机分类模型根据预先建立的样本流量数据的XDR特征变量数据预先创建，所述样本流量数据为已标记为图片流量和非图片流量的数据。
8.根据权利要求7所述的HTTPS流量识别装置，其特征在于，还包括：
流量数据清洗模块，用于对所述HTTPS流量数据进行清洗，包括用“0”填补空缺值，剔除噪声数据、极大值和极小值，以及对HTTPS流量数据进行离散化处理。
9.一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的HTTPS流量识别方法。
10.一种存储介质，其特征在于，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至6中任意一项所述的HTTPS流量识别方法。
CN201711409687.4A 2017-12-20 2017-12-20 Https流量识别方法、装置、终端设备及存储介质 Active CN108173781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711409687.4A CN108173781B (zh) 2017-12-20 2017-12-20 Https流量识别方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711409687.4A CN108173781B (zh) 2017-12-20 2017-12-20 Https流量识别方法、装置、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN108173781A true CN108173781A (zh) 2018-06-15
CN108173781B CN108173781B (zh) 2019-08-16

Family

ID=62523750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711409687.4A Active CN108173781B (zh) 2017-12-20 2017-12-20 Https流量识别方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN108173781B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110858837A (zh) * 2018-08-24 2020-03-03 阿里巴巴集团控股有限公司 一种网络管控方法、装置以及电子设备
CN111064996A (zh) * 2019-12-09 2020-04-24 宜通世纪科技股份有限公司 用户观看视频内容偏好识别方法、系统和存储介质
CN111275453A (zh) * 2018-12-03 2020-06-12 中国移动通信集团上海有限公司 一种物联网设备的行业识别方法及系统
CN112152866A (zh) * 2019-06-27 2020-12-29 中国移动通信集团湖南有限公司 浏览类xdr数据的合成方法、装置、设备及存储介质
CN113055420A (zh) * 2019-12-27 2021-06-29 中国移动通信集团陕西有限公司 Https业务识别方法、装置及计算设备
CN113824644A (zh) * 2020-06-18 2021-12-21 中国移动通信集团陕西有限公司 Https业务内容识别方法、装置和设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060126809A1 (en) * 2004-12-13 2006-06-15 Halpern Joel M HTTP extension header for metering information
CN101127690A (zh) * 2006-08-17 2008-02-20 王玉鹏 一种下一代网络业务流量识别方法
CN101222476A (zh) * 2007-01-08 2008-07-16 华为技术有限公司 一种可扩展标记语言文件编辑器、文件传输方法及系统
CN101282251A (zh) * 2008-05-08 2008-10-08 中国科学院计算技术研究所 一种应用层协议识别特征挖掘方法
CN101345704A (zh) * 2008-08-15 2009-01-14 南京邮电大学 基于支持向量机的对等网络流量检测方法
CN101360090A (zh) * 2007-08-01 2009-02-04 中国科学院声学研究所 应用层协议识别方法
CN101420336A (zh) * 2007-10-26 2009-04-29 诺基亚西门子通信有限责任两合公司 在网络中识别网络电话流量的方法及其系统
CN104022920A (zh) * 2014-06-26 2014-09-03 重庆重邮汇测通信技术有限公司 一种lte网络流量识别系统及方法
CN104040523A (zh) * 2011-08-04 2014-09-10 韦斯技术有限公司 促成基于网络过程调用的使用的客户端-服务器通讯系统与方法
US20150334094A1 (en) * 2014-05-15 2015-11-19 Akamai Technologies, Inc. Distributed computing service platform for mobile network traffic
CN105205090A (zh) * 2015-05-29 2015-12-30 湖南大学 基于网页链接分析和支持向量机的网页文本分类算法研究
CN105279257A (zh) * 2015-10-15 2016-01-27 珠海世纪鼎利科技股份有限公司 一种基于正态分布的互联网大数据挖掘方法和系统
CN106031122A (zh) * 2014-02-21 2016-10-12 戴尔产品有限公司 一般代码转换服务
CN106572495A (zh) * 2016-09-29 2017-04-19 中国普天信息产业北京通信规划设计院 基于信令和mr数据的网络质量监测方法和覆盖评估方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060126809A1 (en) * 2004-12-13 2006-06-15 Halpern Joel M HTTP extension header for metering information
CN101127690A (zh) * 2006-08-17 2008-02-20 王玉鹏 一种下一代网络业务流量识别方法
CN101222476A (zh) * 2007-01-08 2008-07-16 华为技术有限公司 一种可扩展标记语言文件编辑器、文件传输方法及系统
CN101360090A (zh) * 2007-08-01 2009-02-04 中国科学院声学研究所 应用层协议识别方法
CN101420336A (zh) * 2007-10-26 2009-04-29 诺基亚西门子通信有限责任两合公司 在网络中识别网络电话流量的方法及其系统
CN101282251A (zh) * 2008-05-08 2008-10-08 中国科学院计算技术研究所 一种应用层协议识别特征挖掘方法
CN101345704A (zh) * 2008-08-15 2009-01-14 南京邮电大学 基于支持向量机的对等网络流量检测方法
CN104040523A (zh) * 2011-08-04 2014-09-10 韦斯技术有限公司 促成基于网络过程调用的使用的客户端-服务器通讯系统与方法
CN106031122A (zh) * 2014-02-21 2016-10-12 戴尔产品有限公司 一般代码转换服务
US20150334094A1 (en) * 2014-05-15 2015-11-19 Akamai Technologies, Inc. Distributed computing service platform for mobile network traffic
CN104022920A (zh) * 2014-06-26 2014-09-03 重庆重邮汇测通信技术有限公司 一种lte网络流量识别系统及方法
CN105205090A (zh) * 2015-05-29 2015-12-30 湖南大学 基于网页链接分析和支持向量机的网页文本分类算法研究
CN105279257A (zh) * 2015-10-15 2016-01-27 珠海世纪鼎利科技股份有限公司 一种基于正态分布的互联网大数据挖掘方法和系统
CN106572495A (zh) * 2016-09-29 2017-04-19 中国普天信息产业北京通信规划设计院 基于信令和mr数据的网络质量监测方法和覆盖评估方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110858837A (zh) * 2018-08-24 2020-03-03 阿里巴巴集团控股有限公司 一种网络管控方法、装置以及电子设备
CN111275453A (zh) * 2018-12-03 2020-06-12 中国移动通信集团上海有限公司 一种物联网设备的行业识别方法及系统
CN112152866A (zh) * 2019-06-27 2020-12-29 中国移动通信集团湖南有限公司 浏览类xdr数据的合成方法、装置、设备及存储介质
CN111064996A (zh) * 2019-12-09 2020-04-24 宜通世纪科技股份有限公司 用户观看视频内容偏好识别方法、系统和存储介质
CN113055420A (zh) * 2019-12-27 2021-06-29 中国移动通信集团陕西有限公司 Https业务识别方法、装置及计算设备
CN113824644A (zh) * 2020-06-18 2021-12-21 中国移动通信集团陕西有限公司 Https业务内容识别方法、装置和设备

Also Published As

Publication number Publication date
CN108173781B (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN108173781B (zh) Https流量识别方法、装置、终端设备及存储介质
CN109063966B (zh) 风险账户的识别方法和装置
CN108600414B (zh) 设备指纹的构建方法、装置、存储介质及终端
CN107547671A (zh) 一种url匹配方法及装置
WO2017101652A1 (zh) 网站页面间访问路径的确定方法及装置
CN108718337A (zh) 网站账号登录、验证、验证信息处理方法、装置及系统
CN108616525A (zh) 网站访问方法和装置、电子设备及存储介质
CN105279613A (zh) 一种账务处理方法及系统
CN108156118A (zh) 用户身份标识方法及装置
CN115827084A (zh) 数据处理方法、装置、设备及存储介质
CN110737645B (zh) 一种不同系统间数据迁移方法、数据迁移系统及相关设备
CN103605736A (zh) 转化数据的处理方法及装置
CN106933916A (zh) Json字符串的处理方法及装置
CN105184559B (zh) 一种支付系统及方法
US20110225287A1 (en) Method and system for distributed processing of web traffic analytics data
CN103399968A (zh) 一种微博信息采集方法及系统
CN110351364A (zh) 数据存储方法、设备及计算机可读存储介质
CN110347657B (zh) 数据生成方法、装置、电子设备及存储介质
CN106897297B (zh) 网站栏目间访问路径的确定方法及装置
CN107395663A (zh) 数据获取方法及装置
CN113194107B (zh) 基于互联网的区域特性的寻址方法和装置
CN104539452B (zh) 一种统计Web应用访问地域特性的方法
CN106815247B (zh) 统一资源定位符获取方法及装置
CN106453452A (zh) 数据访问请求处理方法及用于处理数据访问请求的服务器
CN113824644A (zh) Https业务内容识别方法、装置和设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Zheng Tao

Inventor after: Lin Yuyang

Inventor after: Fu Yu

Inventor after: Peng Siyu

Inventor after: Chen Jie

Inventor after: Li Xiuhai

Inventor before: Zheng Tao

Inventor before: Lin Yuyang

Inventor before: Fu Yu

Inventor before: Peng Siyu

Inventor before: Chen Jie

Inventor before: Li Xiuhai

CB03 Change of inventor or designer information
CB02 Change of applicant information

Address after: 510665 East Floor 3, No. 14 and No. 16 Jianzhong Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: Yitong Century Science and Technology Co., Ltd.

Address before: 510665 12/F, Building A, Guangzhou Information Port, 16 Keyun Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant before: Guangdong Eastone Technology Co., Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant