將未知多協議混合數據幀分離為單協議數據幀的方法
【技術領域】
[0001] 本發(fā)明設及一種將未知多協議混合數據帖分離為單協議數據帖的方法。
【背景技術】
[0002] 隨著科學技術的發(fā)展和計算機技術水平的提高，網絡的發(fā)展日趨復雜，保障信息 網絡的安全已成為國家信息化戰(zhàn)略的核屯、內容，在特定的網絡環(huán)境下，通過特殊手段進行 竊密的威脅日趨嚴峻，此類竊密途徑通常是通過無線通信的方式發(fā)送，且該種通信采用的 數據大多數為未知多協議混合數據，因此，將未知多協議混合數據帖分離為單協議數據帖， 對協議的識別W及信息安全的后續(xù)判定就非常重要。
[0003] 但目前的將未知多協議混合數據帖分離為單協議數據帖的方法中，具有=個難 點，對混合多協議數據帖協議種類近似值K的計算困難，將不同的協議區(qū)分開困難，對協議 聚類效果的評估準確度低，難W直觀有效。

【發(fā)明內容】

[0004] 本發(fā)明的目的在于克服現有技術的不足，提供一種將未知多協議混合數據帖分離 為單協議數據帖的方法，解決了混合協議種類數K的近似值計算困難，將不同的協議區(qū)分 開困難，協議帖類簇的評估準確度低，難W直觀有效的問題。
[0005] 本發(fā)明的目的是通過W下技術方案來實現的；將未知多協議混合數據帖分離為單 協議數據帖的方法，它包括W下步驟：
[0006] S1.將二進制數據轉換為十六進制格式，輸入n行m列的混合未知協議數據帖；
[0007] S2.計算所輸入的未知協議數據帖的種類數的近似值K;
[000引 S3.使用K-means算法指定K值進行聚類，得到n個類簇；
[0009] S4.使用基于滴的類簇評估算法進行評估每一個類簇的好壞；
[0010] S5.將聚類效果好的類簇放入結果集中，提取該類的指紋信息，并存入指紋庫；
[0011] 所述的步驟S1中輸入的n行m列的混合未知協議數據帖，每一種協議都具有協議 標識，同種協議的標識在相同位置會出現；不同種協議的協議標識可能出現在不同位置，也 可能出現在相同位置；協議標識的長度不定但不少于1字節(jié)；不同協議的數據帖數量不同。
[0012] 所述的步驟S2包括W下子步驟：
[0013] S21.將輸入數據構成二維矩陣，一個字節(jié)作為最小處理單元；
[0014] S22.計算出每一列中出現頻率最高的字符，表示為al，a2，a3,…，am,同時計算出 al到am中，每個字節(jié)都有哪些行出現，分別由集合S1，S2,S3,…Sm表示；
[0015] S23.將出現頻率大于liminal%的字符W及出現頻率小于l〇w_liminal%的字符 剔除，設有i個，令m=m-i;
[0016] S24.找出集合SI到Sm中，集合中個數最多的一個，設為Smax，設集合R，元素為集 合S，先將Smax加入集合R;
[0017] S25.遍歷集合S1到Sm，如果Sx與集合R中所有的集合的交集率都低于 uniterate%，將Sx加入集合R,如果交集率高于uniterate%，貝Ij取Smax與Sx的交集作為Smax；
[0018] S26.集合R中元素的個數，即為要求的K的近似值，求出R中所有元素的并集，即 為篩選出來的數據帖；
[0019] S27.將篩選出來的數據帖從輸入數據帖中除去，如果剩余的數據帖數量仍比較 大，可再次做為輸入樣本計算該些數據帖的K值；
[0020]S28.取uniterate的值從50至Ij99,得出對應的K值，Wuniterate的值為X軸， K值為Y軸作曲線；
[0021]S29.取K值變化比較平緩的最大uniterate區(qū)間，計算在此區(qū)間內的K的平均值， 即為所求的協議種類數的近似值。
[002引 所述的Liminal和low_liminal為可設置變量，如Liminal設置為99，low_liminal設置為 10;;
[0023] 所述的步驟S3包括W下子步驟：
[0024] S31.輸入處理好的協議數據帖和簇的數目K;
[0025]S32.任意選擇K個數據對象作為初始聚類中屯、；
[0026]S33.計算各個數據到所選出來的各個中屯、的距離，將數據對象指派到最近的簇 中，然后計算每個簇的均值，根據簇中對象的平均值，將每個對象賦給最類似的簇；
[0027]S34.更新簇的平均值，即計算每個對象簇中對象的平均值；
[002引 S35.計算聚類準則函數E，并判斷聚類準則函數E是否收斂：
[0029] (1)若聚類準則函數E不收斂，跳轉至步驟S32;
[0030] 似若聚類準則函數E收斂，則輸出聚類結果。
[0031] 所述的步驟S4包括W下子步驟：
[0032]S41;將步驟S2得到的經過處理的數據帖轉換為列二維矩陣，每一個元素為一個 字節(jié)；遍歷所有字節(jié)，計算出每一列中的字符的種類表示為al，a2,a3,…，ax,同時計算出 al到ax中，每個字節(jié)出現的概率；
[0033] S42;遍歷所有字節(jié)，計算出每一列中出現頻率最高的字符，并分別表示為 al,a2,a3,…，am;同時計算出該些字符在哪些行出現，并分別由集合S1,S2,S3,…Sm表示， 即al為第一列出現頻率最高的字符，S1為第一列中出現字符al的所有行的行號的集合； 并將出現的次數除W總行數就得到該字節(jié)出現的頻率Pi;
[0034]S43;計算每一列的滴值H，由于有m列則有m個滴值，計算公式如下：
[0035]
【主權項】
1. 將未知多協議混合數據幀分離為單協議數據幀的方法，其特征在于：它包括以下步 驟：
51. 將二進制數據轉換為十六進制格式，輸入η行m列的混合未知協議數據幀；
52. 計算所輸入的未知協議數據幀的種類數的近似值K ;
53. 使用K-means算法指定K值進行聚類，得到η個類簇；
54. 使用基于熵的類簇評估算法進行評估每一個類簇的好壞；
55. 將聚類效果好的類簇放入結果集中，提取該類的指紋信息，并存入指紋庫。
2. 根據權利要求1所述的將未知多協議混合數據幀分離為單協議數據幀的方法，其特 征在于：所述的步驟Sl中輸入的η行m列的混合未知協議數據幀，每一種協議都具有協議 標識，同種協議的標識在相同位置會出現；不同種協議的協議標識可能出現在不同位置，也 可能出現在相同位置；協議標識的長度不定但不少于1字節(jié)；不同協議的數據幀數量不同。
3. 根據權利要求1所述的將未知多協議混合數據幀分離為單協議數據幀的方法，其特 征在于：所述的步驟S2包括以下子步驟：
521. 將輸入數據構成二維矩陣，一個字節(jié)作為最小處理單元；
522. 計算出每一列中出現頻率最高的字符，表示為31，32,33，~，3111，同時計算出31到 am中，每個字節(jié)都有哪些行出現，分別由集合SI, S2, S3,…Sm表示；
323.將出現頻率大于111^11&1%的字符以及出現頻率小于1〇￥_111^11&1%的字符剔 除，設有i個，令m = m-i ;
524. 找出集合SI到Sm中，集合中個數最多的一個，設為Smax，設集合R，元素為集合 S，先將Smax加入集合R ;
525. 遍歷集合Sl到Sm，如果Sx與集合R中所有的集合的交集率都低于uniterate%， 將Sx加入集合R,如果交集率高于uniterate %，則取Smax與Sx的交集作為Smax ;
526. 集合R中元素的個數，即為要求的K的近似值，求出R中所有元素的并集，即為篩 選出來的數據幀；
527. 將篩選出來的數據幀從輸入數據幀中除去，如果剩余的數據幀數量仍比較大，可 再次做為輸入樣本計算這些數據幀的K值；
528. 取uniterate的值從50到99,得出對應的K值，以uniterate的值為X軸，K值 為Y軸作曲線；
529. 取K值變化比較平緩的最大uniterate區(qū)間，計算在此區(qū)間內的K的平均值，即為 所求的協議種類數的近似值。
4. 根據權利要求3所述的將未知多協議混合數據幀分離為單協議數據幀的方法，其特 征在于：所述的Liminal和low_liminal為可設置變量，如Liminal設置為99, low_liminal 設置為10。
5. 根據權利要求1所述的將未知多協議混合數據幀分離為單協議數據幀的方法，其特 征在于：所述的步驟S3包括以下子步驟：
531. 輸入處理好的協議數據幀和簇的數目K ;
532. 任意選擇K個數據對象作為初始聚類中心；
533. 計算各個數據到所選出來的各個中心的距離，將數據對象指派到最近的簇中，然 后計算每個簇的均值，根據簇中對象的平均值，將每個對象賦給最類似的簇；
534. 更新簇的平均值，即計算每個對象簇中對象的平均值；
535. 計算聚類準則函數E，并判斷聚類準則函數E是否收斂： (1) 若聚類準則函數E不收斂，跳轉至步驟S32 ; (2) 若聚類準則函數E收斂，則輸出聚類結果。
6.根據權利要求1所述的將未知多協議混合數據幀分離為單協議數據幀的方法，其特 征在于：所述的步驟S4包括以下子步驟： 541 :將步驟S2得到的經過處理的數據幀轉換為列二維矩陣，每一個元素為一個字節(jié)； 遍歷所有字節(jié)，計算出每一列中的字符的種類表示為al, a2, a3,…，ax,同時計算出al到ax 中，每個字節(jié)出現的概率； 542 :遍歷所有字節(jié)，計算出每一列中出現頻率最高的字符，并分別表示為 al，a2, a3,…，am ;同時計算出這些字符在哪些行出現，并分別由集合SI, S2, S3,…Sm表示， 即al為第一列出現頻率最高的字符，Sl為第一列中出現字符al的所有行的行號的集合； 并將出現的次數除以總行數就得到該字節(jié)出現的頻率Pi ; 543 :計算每一列的熵值H，由于有m列則有m個熵值，計算公式如下：
式中，m為一列中字符的種類數，Pi為第i中字符出現的概率，對數以2為底； 544 :以列號為X軸，該列的熵值為Y軸做圖，分析聚類結果的好壞： 設定一個評估閾值l〇w_entropy，當越多的列j：商值小于low_entropy，聚類效果就越 好。
【專利摘要】本發(fā)明公開了一種將未知多協議混合數據幀分離為單協議數據幀的方法，它包括以下步驟：S1.將二進制數據轉換為十六進制格式，輸入n行m列的混合未知協議數據幀；S2.計算所輸入的未知協議數據幀的種類數的近似值K；S3.使用K-means算法指定K值進行聚類，得到n個類簇；S4.使用基于熵的類簇評估算法進行評估每一個類簇的好壞；S5.將聚類效果好的類簇放入結果集中，提取該類的指紋信息，并存入指紋庫。提供一種將未知多協議混合數據幀分離為單協議數據幀的方法，解決了混合協議種類數K的近似值計算困難，將不同的協議區(qū)分開困難，協議幀類簇的評估準確度低，難以直觀有效的問題。
【IPC分類】H04L29-06
【公開號】CN104767739
【申請?zhí)枴緾N201510127523
【發(fā)明人】張鳳荔, 周洪川, 劉淵, 郝玉潔, 張俊嬌
【申請人】電子科技大學
【公開日】2015年7月8日
【申請日】2015年3月23日