APP下载

面向移动应用识别的结构化特征提取方法

2020-06-01陈曙晖

计算机应用 2020年4期
关键词:特征提取特征方法

沈 亮,王 鑫,陈曙晖

(国防科技大学计算机学院,长沙410073)

(∗通信作者电子邮箱shchen@nudt.edu.cn)

0 引言

随着移动互联网基础设施建设不断优化升级以及智能手机的快速普及,我国形成了全球最大的移动互联网应用市场。中国互联网络信息中心(China Internet Network Information Center,CNNIC)发布的第43 次《中国互联网络发展状况统计报告》显示,截至2018年12月,我国市场上监测到的移动应用程序在架数量为449万款[1]。面对数量庞大的移动应用,如何高效、准确地识别这些应用的流量,对于网络运营和管理机构具有重要的意义,这是研究差异性服务、流量控制、恶意应用识别以及用户行为分析的前提和基础。

网络流量识别是指通过对网络流量的分析,确定网络流量对应的应用协议,并基于此对网络流量进行分类。在传统的互联网平台上,主要通过端口识别[2]、深度包检测(Deep Packet Inspection,DPI)[3-4]、基于主机行为或流量行为的识别技术[5-6]、协议逆向[7]和机器学习[8-10]等技术来实现。传统网络识别大多只能进行粗粒度的流量识别,如网络流对应的应用层协议、恶意流量识别、异常流量检测等。

在传统网络流量识别技术的基础上,很多研究工作专门针对移动应用的特点提出了相应的识别方法。当前的主要研究方向是对应用超文本传输协议(Hyper Text Transfer Protocol,HTTP)流的识别。这是因为绝大部分移动应用都是通过HTTP 和超文本传输安全协议(Hyper Text Transfer Protocol over Secure socket layer,HTTPS)与服务器进行通信[11],而这两种协议的实现机制不同,需要分开研究。Xu等[12]通过提取移动应用网络流量中的应用标识符(唯一标识应用的数字或字符串,如Youku、taobao_android 等)来识别应用流量。……

登录APP查看全文

猜你喜欢

特征提取特征方法
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
一种基于LBP 特征提取和稀疏表示的肝病识别算法
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
基于MED和循环域解调的多故障特征提取
线性代数的应用特征
Walsh变换在滚动轴承早期故障特征提取中的应用