【网络流量识别技术之初级入门篇】

最新推荐文章于 2024-05-03 10:40:56 发布
最新推荐文章于 2024-05-03 10:40:56 发布
阅读量3.2k 收藏 14
点赞数
文章标签： 网络协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37840707/article/details/123837521
版权
本文是网络流量识别技术的初级入门篇，介绍了网络流量定义、常用识别技术分类，包括网络五元组、有效负载、行为特征和基于机器学习的识别技术，并分析了各种方法的优缺点和应用场景。
摘要由CSDN通过智能技术生成

网络流量识别技术之初级入门篇

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言

提示：这里可以添加本文要记录的大概内容：

随着网络技术和通讯工具的不断发展和演变，流量识别这门技术在网络安全领域也越来越重要，基于对以往知识的归纳和总结，本文就网络流量识别技术介绍了自己关于流量识别技术的基础内容，仅供大家学习参考。

提示：以下是本篇文章正文内容，下面案例可供参考

一、网络流量识别技术是什么？

1）网络流量定义
互联网通信标准文件RFC3917中的有关定义：一条网络流量是指在一段特定的时间间隔之内，通过网络中某一个观测点的所有具有相同五元组(源IP地址、目的IP地址、传输层协议、源端口和口的端口)的分组的集合。此外，根据TCP和UDP传输的双端特性，网络流也可以分为单向流（C2S/S2C）和双向流（C2S & S2C）。基于不同的研究目的，研究者可以选择按照单向流或者双向流的定义进行网络流量相关的研究。
2）网络流量识别定义
利用某种算法构造一个分类模型，并用该分类模型对收集到的各种网络工具的网络流数据进行识别分析，识别分析的结果是某种应用程序或网络工具。

二、常用识别技术分类

1.网络五元组的流量识别

最低0.47元/天 解锁文章
__放开那尼姑__
关注
在国外当网络工程师，这些网络认证可以考一下！
网络技术联盟站
06-14 659
你好，这里是网络技术联盟站，我是瑞哥。公众号后台有位粉丝表示自己一直驻扎在国外，从事网络工程师，手上有国内的华为IP和深信服的认证，由于业务需要，甲方要求进场的工程师需要有一些国际上的认证，说白了就是需要国外厂商的认证，希望出一期文章，介绍一下国外有哪些网络工程师可以考的认证，知名度相对来说还可以的。那么今天瑞哥来安排一下！
技术小白成长之路 - 谷歌云端 GCP Cloud Engineering - 第一篇 - 核心架构 Core Infrastructure
chenyudora的博客
06-06 3210
谷歌云端 GCP Cloud Engineering - 第一篇 - 平台交互谷歌云端平台GCP简介二级目录三级目录1. 谷歌云端平台GCP资源层次结构2. VPC Network3. 存储与数据库Cloud Storage和Cloud BigtableCloud SQL和Cloud Spanner容器，K8S, 与K8S Engine4. --- App Engine云开发 谷歌云端平台GCP简...
网络流量及应用识别（英文）
01-02
本文对于《网络流量分类及应用识别》进行了翻译，有助于读者进一步了解相关知识！
常见的网络流量识别技术
云上笛暮
11-21 1万+
1、基于网络端口映射的流量分类识别方法 简介：该方法通过检查网络数据包的源端口号和目的端口号，根据相应网络协议或网络应用在通信时使用的端口号规则并与之映射，进而识别不同的网络应用 缺点：而随着网络技术的不断发展，这一方法的局限性也越来越明显。首先，IANA 并没有为所有的应用尤其是一些后来的新应用都定义通信端口号，这样网络端口号与应用之间不可能总是一一对应的[9]；其次，某些常用协议在数据传输...
【网络流量识别】总结篇2：机器学习方法在网络流量识别的应用
杨的博客
10-16 2619
本文是总结系列文章的第二篇，主要介绍涉及到的聚类方法和深度学习方法的基本原理，以及应用时的操作。 由于传统基于模型方法的缺陷，机器学习方法是目前用于IDS的突出方法。基于机器学习的网络流量数据分类大概可分为三种： （1）聚类：无监督学习，如K-Means，FCM等； （2）传统机器学习分类方法：半监督学习，如SVM，RF，GBT等； （3）深度学习：监督学习，如DNN，CNN，RNN等； 此处介绍聚类方法，以K-Means和FCM为例，以及深度学习方法，以RNN，IRNN，LSTM，GRU和DBN
【网络流量识别】总结篇1：机器学习方法在网络流量识别的应用
热门推荐
杨的博客
10-06 1万+
本文总结深度学习方法在流量识别方面的应用，也是对前四篇文章的总结。 主要包括数据集，特征提取方法，深度学习网络，性能比较等几方面的介绍。 一、概述 网络入侵检测系统（N-IDS）是根据网络类型及其行为，对网络 网络流量数据分类的主要方法有（1）误用检测；（2）异常检测；（3）状态完整协议分析 机器学习方法是目前用于IDS的突出方法。 传统的ML方法应用于IDS的有很多，如随机森林（RF），支持向量机（SVM）， 这些基于ML的传统的实时IDS解决方法并不是很有效，因为模型的输出呈高误报率，
【网络流量识别】【深度学习】【三】CNN和LSTM—基于信息获取和深度学习的网络流量异常检测
杨的博客
10-01 1万+
本文是北京大学陆祥林等人，2019年四月发表于ICISDM的一篇文章，收录于ACM网站。 文章题目：基于信息获取和深度学习的网络流量异常检测 原文网址：基于信息获取和深度学习的网络流量异常检测|2019年第三届信息系统和数据挖掘国际会议纪要 (acm.org) 看文章前注意： 本文利用了IG信息增益将来自KDDCUP-99数据集的41个特征提取出28个作为神经网络的训练数据。然后使用CNN和LSTM构建神经网络对网络流量进行二分类。最后训练结果训练精度达到0.99，测试精度达到0.925。 .
Java学习路线总结（书籍、视频推荐篇）_亿级流量java高并发与网络编程实战pdf下载(2)
最新发布
2401_84166811的博客
05-03 648
附上我的书架，《Java编程思想》读了两遍，《深入理解Java虚拟机》读了一遍，《Head First设计模式》读了一遍，《Java并发编程实战》读了一遍，《重构》读了一遍，《Spring实战》没看进去，《Effective Java》读了一遍，《软技能 代码之外的生存指南》读了一遍，《深入理解Java虚拟机第三版》，《微服务实战》《算法4》，《亿级流量Java高并发与网络编程实战》，《JavaScript高级程序设计》，《HTTP权威指南》，《Java性能优化实践》还没开封。
神经网络方法研究及应用,神经网络基础与应用
aifans_bert的博客
10-06 1683
由于神经网络是多学科交叉的产物，各个相关的学科领域对神经网络都有各自的看法，因此，关于神经网络的定义，在科学界存在许多不同的见解神经网络课题指南。目前使用得最广泛的是T.Koholen的定义，即"神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。"如果我们将人脑神经信息活动的特点与现行冯·诺依曼计算机的工作方式进行比较，就可以看出人脑具有以下鲜明特征：1. 巨量并行性。
网络流量检测工具代码
01-12
用C++编写的网络流量检测工具，应用winpcap，用于相关的试验研究。
ML-ATIC:基于机器学习的异常流量识别分类器我的本科毕业设计规范
05-12
ML-ATIC 在 API的帮助下，基于机器学习方法的异常流量识别分类器。 这是我的本科毕业设计代码。 而且代码中会有很多错误。 无论如何，在训练模型和评估中可能有一些不合适的方法。 欢迎您发现它。 有任何疑问，请给我发电子邮件！ 要求 Java SE 7 Maylib中的Jars 来自KDDCUP99的数据，我使用受计算资源限制的10％版本。 安装 将TrainAndTest.zip和Model.zip解压缩到数据文件中。 通过添加原始数据的头对Train.arff和Test.arff进行了预处理。 如果有兴趣，您可以打开它，然后进行探索。 Java文件中有一些字符编码问题，它们是UTF-8和GB18030。 并可能在注释中导致一些错误。 文件模型包含一些训练有素的模型，可以直接使用。 您还可以通过运行BuildTree.java，TestBP.java和TestLibs
基于机器学习的TLS恶意加密流量检测方案
01-20
首先介绍了安全传输层（TLS，transport layer security）协议的特点、流量识别方法；然后给出了一种基于机器学习的分布式自动化的恶意加密流量检测体系；进而从 TLS 特征、数据元特征、上下文数据特征3个方面分析了恶意加密流量的特征；最后，通过实验对几种常见机器学习算法的性能进行对比，实现了对恶意加密流量的高效检测。
综合运用端口匹配、深度数据包检测、流量特征进行P2P流量识别
01-26
综合运用端口匹配、深度数据包检测、流量特征进行P2P流量识别 压缩包中有技术说明文档，源码，测试数据包等， 注释详细，适合做P2P流量识别的参考下。
站长号文库：数据中心网络流量识别技术
09-03 311
流量是网络中传输数据的重要载体，只有针对流量进行识别，才能根据不同的流量采取不同的监控策略，或是拒绝，或是优化，或是打标，进行优先级分类等等，所有这一切工作的前提都是先要对流量进行识别。比如：有的可以识别出流量中不同的端口号，有的可以识别出流量中不同的IP五元组，有的可以分清以太、非以太流量，是否带封装等等，识别流量的侧重点不同，识别的深度也各有不同，这一领域的技术也在不断发展着，以便适应网络监控的多方面需要。那么，流量识别有哪些常用技术呢，在日常的网络监控中可以用得上，本文就来说一说。
P2P流量识别技术汇总（原理、优缺点介绍）
程序媛想事儿
03-25 1万+
随着P2P技术不断地发展演进，P2P技术及架构的演进经历了集中式、全分布式、混合式三个阶段。P2P常规流量检测一般通过常用的端口来进行识别，然而随着架构的演进，P2P流量识别也因此从简单的端口匹配到复杂的DPI深度数据包检测，其端口特性也由最初的固定端口发展到随机动态端口再到伪装端口，一步步地加大着P2P流量检测的难度。同事，随着数据挖掘、模糊统计技术的不断发展，已经有很多研究人员开始将机器学习中
使用机器学习算法对流量分类的尝试——基于样本分类
张伟的专栏
07-06 9006
使用机器学习算法对流量分类的尝试——基于样本分类 Hochikong • 16-07-06 • 115 人围观 导言 机器学习方法目前可以分为5个流派，分别是符号主义，联结主义，进化主义，贝叶斯和Analogzier。具体到实例有联结主义的神经网络，进化主义的遗传算法，贝叶斯的朴素贝叶斯（Naive Bayes）等等。 机器学习算法又可以分为多种
网络流量分析入门——资料汇总和一些文字描述
m0_37876745的博客
02-15 550
关于图神经网络的部分 主编推荐 | 图神经网络简介及其在交通流预测中的应用 https://zhuanlan.zhihu.com/p/144511840 自动驾驶，城市计算的相关论文 论文推荐 | 基于深度学习的自动驾驶交通流预测研究：回顾、解决方案和挑战【综述】 https://zhuanlan.zhihu.com/p/337146851 ...
利用机器学习方法检测识别TLS加密恶意流量
永远在奔跑的学习者
10-29 7802
摘要：本文总结提出了一种主流的机器学习加密流量分析的方法 如何在不侵犯个人隐私的前提下，在加密流量中检测恶意攻击行为，为了找到一种切实可行的“在加密流量中检测恶意攻击行为”的方法，Infosec团队借鉴了Cisco公司高级安全研究小组（Cisco Advanced Security Research）的一个研究项目：基于NetFlows的恶意行为检测技术。研究人员用了两年的时间找到了问题的解决方...
DPI技术优化：网络流量识别中的DFA与XFA应用
"网络流量识别中的DFA优化技术" 在网络安全领域，网络流量识别扮演着至关重要的角色，它有助于监控和管理网络流量，检测潜在的威胁和异常行为。DFA（确定性有限自动机，Deterministic Finite Automaton）是正则...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值