饶亲苗 彭艳兵

1(武汉邮电科学研究院 湖北 武汉 430000) 2(南京烽火天地通信科技有限公司 江苏 南京 210000)

0 引 言

在移动网络中，如果要隔离恶意或者受感染的应用程序，就需要区分单个应用程序的流量，即需要进行移动网络流量识别。移动网络流量识别对移动网络的安全性和网络管理影响重大，其关键是将数据流量对应到单个移动应用程序，然而识别互联网中成千上万的移动应用无疑是一个颇具挑战的任务。

此前也有过不少移动网络流量识别的相关研究。文献[1]使用C4.5和SVM这两种机器学习方法来分类移动应用程序产生的流量，且得出了机器学习方法能够较好地识别移动音视频流量的结论。文献[2]使用二维卷积神经网络模型分类卷积神经网络模型分类六款聊天类移动应用流量，平均准确率达99.15%，召回率达99.11%，F调和值达99.13%。但目前机器学习的方法始终没有办法分类大规模移动应用程序产生的流量，且难以适应复杂的现网流量背景。

本文提出的方法基于DPI[3](Deep Packet Inspection)，其关键点是从不同来源提取能有效识别应用流量的特征字符串，然后将它们组合成应用指纹。文献[4-6]利用HTTP报文头部中User-Agent、Host等字段来识别移动网络流量，也说明了提取HTTP报文头部中某些字段作为特征字符串能有效识别应用流量。文献[7]利用从移动应用apk安装文件反编译出的Manifest文件中的唯一标识，来分析热门应用广告流量可能给客户端、用户带来的风险。文献[8]也反编译apk文件，并提取其中广告库的元信息(appID、package等),然后根据HTTP报文头部中的Host字段识别广告流，即可用广告库中的应用标识符来识别应用。……