空間協(xié)議盲識別算法研究的開題報告

空間協(xié)議盲識別算法研究的開題報告一、選題背景隨著互聯(lián)網(wǎng)的不斷發(fā)展和普及，網(wǎng)絡(luò)安全問題日益突出，其中網(wǎng)絡(luò)入侵是網(wǎng)絡(luò)安全中的重要問題之一。網(wǎng)絡(luò)入侵指網(wǎng)絡(luò)攻擊者借助安全漏洞進入到目標系統(tǒng)中，從而獲取機密信息、破壞系統(tǒng)穩(wěn)定性等。針對網(wǎng)絡(luò)入侵的防范措施中，識別網(wǎng)絡(luò)流量中的惡意行為是一項重要的工作，而識別網(wǎng)絡(luò)協(xié)議是進行流量分析的必要前提。但是，由于網(wǎng)絡(luò)上流行的協(xié)議越來越多，基于協(xié)議端口的識別方法已經(jīng)無法滿足實際需要。二、選題意義為了解決基于端口的識別方法的局限性，產(chǎn)生了基于協(xié)議頭共同特征的識別方法。但這種方法在識別復(fù)合協(xié)議的情況下由于協(xié)議頭共同特征不足，且無法精確區(qū)分特征相近的協(xié)議。因此，本課題將研究空間協(xié)議盲識別算法，通過對網(wǎng)絡(luò)流量的探測，根據(jù)協(xié)議使用的通信空間特征進行識別，提高協(xié)議識別的精度和準確性。三、主要研究內(nèi)容本課題旨在研究一種可用于網(wǎng)絡(luò)流量協(xié)議盲識別的算法。具體研究內(nèi)容包括：1.確定網(wǎng)絡(luò)流量中需要提取的通信空間特征。通過調(diào)研現(xiàn)有協(xié)議的通信空間特征，確定用于協(xié)議識別的通信空間特征。2.建立一個空間協(xié)議盲識別的算法模型。將確定的通信空間特征作為判別依據(jù)，建立一個適合協(xié)議盲識別的算法模型。3.通過調(diào)研收集數(shù)據(jù)集。通過網(wǎng)絡(luò)流量數(shù)據(jù)包采集，為空間協(xié)議盲識別算法提供訓練集和測試集。4.實現(xiàn)和優(yōu)化空間協(xié)議盲識別算法。編寫空間協(xié)議盲識別算法的程序，并對算法進行優(yōu)化，提高其準確性和識別速度。5.實驗測試和結(jié)果分析。通過收集數(shù)據(jù)集進行實驗測試，并對實驗結(jié)果進行統(tǒng)計和分析，評估算法的準確性和實用性。四、預(yù)期結(jié)果1.確定適用于協(xié)議盲識別的通信空間特征。2.建立并實現(xiàn)適用于空間協(xié)議盲識別的算法模型。3.實現(xiàn)能夠正常工作的空間協(xié)議盲識別算法程序。4.實驗結(jié)果表明，空間協(xié)議盲識別算法的識別準確性和速度較高。五、研究難點本課題的研究難點在于：1.確定合適的通信空間特征。由于不同協(xié)議的通信空間特征上存在較大差異，因此需要經(jīng)過充分的調(diào)研和實驗確定適用于協(xié)議盲識別的通信空間特征。2.建立合適的算法模型?？臻g協(xié)議盲識別是一項新興的研究課題，需要建立一個可靠的算法模型，保證識別準確性和速度。3.提升算法的準確性和效率。由于網(wǎng)絡(luò)流量龐大而復(fù)雜，空間協(xié)議盲識別算法的準確性和效率仍需不斷提升。六、研究思路及方法本課題將按照以下流程進行研究：1.調(diào)研現(xiàn)有協(xié)議通信空間特征。2.確定適用于空間協(xié)議盲識別的通信空間特征。3.建立空間協(xié)議盲識別的算法模型。4.收集并處理數(shù)據(jù)集。5.實現(xiàn)和優(yōu)化空間協(xié)議盲識別算法。6.實驗測試和結(jié)果分析。七、預(yù)計時間安排本課題預(yù)計用時為一年。按照以下時間安排進行研究：1.前期調(diào)研：2個月。2.確定通信空間特征：1個月。3.界定算法模型：3個月。4.收集并處理數(shù)據(jù)集：1個月。5.實現(xiàn)和優(yōu)化算法：3個月。6.實驗測試和結(jié)果分析：2個月。八、參考文獻[1]ZengXH,XuYJ,LuoXW.ProtocolIdentificationforEncryptedApplicationTrafficBasedonCharacteristicBehaviorinSpatialDomain[C]//2018IEEEInternationalConferenceonComputationalScienceandEngineering(CSE).IEEE,2018.[2]YuanH,ZhangB,WangN,etal.Anomalouspayload-basednetworkintrusiondetection[C]//Proceedingsofthe10thACMconferenceonComputerandCommunicationsSecurity.2003:314-323.[3]YaoY,ChengZ,LianY,etal.Towardaccurateandfastapplicationidentificationwithhybrid-image-baseddeeplearning[C]//ProceedingsoftheACMSIGCOMM2017Conference.2017:285-298.[4]WangX,YangH,JiangF,etal.Anewmethodofprotocolidentificationbasedonmachinelearning[C]//2