朱玉娜，张玉涛，闫少阁，范钰丹，陈韩托

（1.中国人民解放军91033部队，山东青岛 266035；2.中国人民解放军91286部队，山东青岛 266003；3.中国人民解放军信息工程大学，郑州 450001；4.中国人民解放军63850部队，吉林白城 137001）

0 引言

随着密码协议在互联网中的广泛应用，与密码协议相关的网络流量日益增加，密码协议识别已成为当前网络安全领域的关键技术之一。

网络上协议类型多种多样，新类型协议不断涌现，因此不仅需要准确识别已知协议，还需要扩展识别未知新类型协议。在协议识别领域，现有方法主要包括基于端口映射的识别方法、基于负载内容的识别方法［1］和基于流量统计特征的识别方法，其中，基于流量统计特征的识别方法［2-6］一般采用机器学习，只需要很少的计算资源就可以检测发现新类型协议，并且避免了隐私问题，日益受到人们关注。根据协议数据集样本的不同标记程度，可将基于统计特征的协议识别方法分为有监督、无监督和半监督三类。半监督协议识别方法兼具有监督方法准确度高和无监督方法检测新类型协议的优点，更适宜于互联网中的协议识别需求。文献［2］提出基于高斯混合模型和隐马尔可夫模型识别加密流量，文献［3］提出基于卷积神经网络识别虚拟专用网络（Virtual Private Network，VPN）加密流量，文献［4］提出基于深度神经网络进行流量分类，文献［5］提出一种基于近邻传播学习的半监督流量分类方法；但现有方法［2-5］大都选择统一的统计特征集合，没有考虑不同协议个体之间的差异，影响协议识别效果。……