管理網(wǎng)絡(luò)流量的最新方法
相關(guān)鏈接： 中國安全網(wǎng) 中國質(zhì)量網(wǎng) 中國論文網(wǎng) 中國資訊網(wǎng)
作者：鄭曉蒙
VoIP( Voice over Internet Protocol)就是將模擬信號數(shù)字化，這些數(shù)據(jù)被分段、封包后通過IP網(wǎng)絡(luò)進(jìn)行實時傳輸，每個數(shù)據(jù)包包含一個報文頭部，報文頭部含有一些目的端的信息，經(jīng)過網(wǎng)絡(luò)把數(shù)據(jù)包發(fā)送至目的端，然后目的端把這些語音數(shù)據(jù)包按照一定的序列連接成一段，再經(jīng)過解碼解壓處理，這樣接收端就可以聽到原始的語音信息。
語音數(shù)據(jù)包在各個節(jié)點間動態(tài)地選擇最優(yōu)的鏈路，在沒有語音消息傳送時不需要占用網(wǎng)絡(luò)資源。傳統(tǒng)電話利用公共交換網(wǎng)絡(luò)( public switc,hed telephone network，PSTN)，采用電路交換的方式來傳播語音，該通信鏈路一旦被建立，無論是否有語音消息傳送，該鏈路都將一直被占用，直到電話被掛斷。所以VojP網(wǎng)絡(luò)通信的成本比傳統(tǒng)電話服務(wù)低很多。VoIP除了語音通話還可提供視頻會議、傳真等一系列多媒體增值業(yè)務(wù)。
VoIP技術(shù)的快速發(fā)展，嚴(yán)重沖擊了傳統(tǒng)的PSTN語音業(yè)務(wù)。與傳統(tǒng)的電活通信服務(wù)相比，網(wǎng)絡(luò)語音電話VoIP業(yè)務(wù)成本低廉，部署方便，所以VoIP技術(shù)發(fā)展迅速。VoIP技術(shù)最大的優(yōu)勢是利用分布世界各地而且近年來性能又不斷提升的互聯(lián)網(wǎng)，提供比傳統(tǒng)的電話通信業(yè)務(wù)更方便、更高效、更實惠的服務(wù)。同時，無線通信設(shè)備如smart phone、iPad等設(shè)備的發(fā)展，使用戶可以自由地接入互聯(lián)網(wǎng)，為VoIP技術(shù)的發(fā)展提供了更好的硬件支持。
云計算技術(shù)的出現(xiàn)，也為VoIP技術(shù)提供了更廣闊的發(fā)展空間。隨著信息技術(shù)的快速發(fā)展，在眾多應(yīng)用領(lǐng)域中產(chǎn)牛了巨大的數(shù)據(jù)，而且數(shù)據(jù)量仍呈指數(shù)增長。云計算作為下一代商業(yè)計算模式應(yīng)運而生，這是一種靈活、方便且低成本的解決方案。在云計算環(huán)境下，用戶可以享受超大存儲空間、使用無限擴(kuò)展的資源、按需使用、按使用付費的廉價計算服務(wù)。近年來，云計算作為一種新的商業(yè)模式開始在企業(yè)通信領(lǐng)域中廣泛流行。云計算VoIP應(yīng)用的發(fā)展是受用戶需求驅(qū)動的。引入云計算技術(shù)后，VoIP方案將更加靈活、方便。對企業(yè)而言，使用云計算環(huán)境下的VoIP方案的應(yīng)用減少了人員出差，不僅可以降低企業(yè)成本，更有利于以后的VoIP方案的升級和擴(kuò)展。對用戶個人而言，可以不受地域限制，隨時隨地連接到云網(wǎng)絡(luò)，使用VoIP服務(wù)。對VoIP服務(wù)提供商而言，引入云計算技術(shù)，可以吸引更多的潛在客戶，在VoIP服務(wù)的云趨勢清晰以后，將會有很多中小企業(yè)選擇VoIP云服務(wù)。所以由于云計算技術(shù)的出現(xiàn)，在今后幾年內(nèi)，更多的基于云計算技術(shù)的企業(yè)級VoIP應(yīng)用將大量涌現(xiàn)，VoIP流量在網(wǎng)絡(luò)中將會占據(jù)更大的比例。同時，實時監(jiān)控VoIP流量的需求在不斷提高，基于云計算技術(shù)的VoIP流量的研究將成為新的研究熱點。
從網(wǎng)絡(luò)信息安全角度考慮，VoIP業(yè)務(wù)繼承了互聯(lián)網(wǎng)開發(fā)性和靈活性的特點，同時也存在著許多互聯(lián)網(wǎng)應(yīng)用都存在的安全隱患。隨著VoIP應(yīng)用種類和數(shù)量的增多，VoIP業(yè)務(wù)占用了大量的網(wǎng)絡(luò)帶寬資源，這樣不僅會增加網(wǎng)絡(luò)運營的成本，還會導(dǎo)致其他的網(wǎng)絡(luò)應(yīng)用不能充分得到需要的網(wǎng)絡(luò)帶寬而影響其性能，同時為大量的計算機(jī)病毒的傳播制造了機(jī)會。當(dāng)網(wǎng)絡(luò)病毒、木馬、黑客對VoIP軟件攻擊時，會造成VoIP網(wǎng)絡(luò)數(shù)據(jù)阻塞或者中斷，甚至?xí)䦟?dǎo)致網(wǎng)絡(luò)癱瘓，對整個Internet網(wǎng)絡(luò)的信息安全都造成了普遍而嚴(yán)峻的威脅。還有很多非法盈利公司利用網(wǎng)絡(luò)資源開展不正當(dāng)?shù)腣oIP業(yè)務(wù)。因此，通過對VoIP網(wǎng)絡(luò)流量的識別，檢測出異常的數(shù)據(jù)流量，進(jìn)而對該部分流量采取相應(yīng)的管理措施，阻止病毒、木馬的傳播，保證網(wǎng)絡(luò)的正常運行是VoIP網(wǎng)絡(luò)安全的重要需求。迅速興起的VoIP網(wǎng)絡(luò)應(yīng)用要求Internet具有網(wǎng)絡(luò)入侵檢測、擁塞控制、均衡負(fù)載的功能，并支持QoS，實現(xiàn)這些功能的基礎(chǔ)是要識別網(wǎng)絡(luò)流量。因此，設(shè)計出一種高效且合理的VoIP網(wǎng)絡(luò)流量識別方案刻不容緩。
1國內(nèi)外在流量識別領(lǐng)域的研究現(xiàn)狀
國內(nèi)外對VoIP流量的研究主要集中在具有代表性的GoogleTalk、Skype、YahooMessenger等國外的語音視頻通話軟件。這些軟件使用了H.323或者SIP基礎(chǔ)協(xié)議，所以，應(yīng)用傳統(tǒng)的識別方法即可對這些應(yīng)用流量進(jìn)行檢測。但是，近些年國內(nèi)外新興起很多使用私有加密協(xié)議的VoIP應(yīng)用，如騰迅的QQ，加密后的流量無法判斷其基礎(chǔ)協(xié)議是H．323還是SIP，從流量內(nèi)容上只能看到一串十六進(jìn)制編碼。所以，傳統(tǒng)的基于端口的識別方法和基于應(yīng)用層負(fù)載信息的流量識別方法，對于很多新興的VoIP應(yīng)用流量的檢測不再生效。國內(nèi)外對這部分VoIP流量提出一種簡單高效的基于機(jī)器學(xué)習(xí)的流量識別方法一一樸素貝葉斯分類算法。
國外最先對VoIP流量的樸素貝葉斯分類技術(shù)做出了一定的研究成果，并且提出了很多理論架構(gòu)。
A.W．Moore等人提出了可以作為傳輸層通信行為特征的249個統(tǒng)計變量，并以這些變量為參數(shù)提出了多種基于監(jiān)督式機(jī)器學(xué)習(xí)算法的識別流量方法。方案中使用特征選擇算法( Fast Correlation-Based Filter，F(xiàn)CBF)12l做預(yù)處理，然后使用樸素貝葉斯分類算法來識別流量并進(jìn)行泛化，這樣就可以得到更準(zhǔn)確的識別結(jié)果。
Tom Auld、Andrew W．Moore和Stephen F.Gull利用貝葉斯分類算法識別網(wǎng)絡(luò)流量，并提出在網(wǎng)絡(luò)安全領(lǐng)域應(yīng)用人工智能技術(shù)。D．Bonfiglio等人以Skype應(yīng)用的流量為研究對象，根據(jù)源端編碼的特征提出了使用傳統(tǒng)貝葉斯方法來識別流量的識別算法。并且由于Skype在應(yīng)用層的流量會加密，他們提出了通過提取應(yīng)用層協(xié)議格式的卡方驗證別算法。
李冰針對QQ語音應(yīng)用，提出了_一種貝葉斯與卡方統(tǒng)計相結(jié)合的流量識別算法(B&C)I”，分析QQ應(yīng)用的語音流量的源端模型，使用貝葉斯算法識別QQ的VoIP流量。張峰首先闡述了通過分析主機(jī)和流量的行為特征，以及分析對VoIP應(yīng)用的傳輸協(xié)議，提出基于機(jī)器學(xué)習(xí)的流量識別方法。機(jī)器學(xué)習(xí)方法首先對已知網(wǎng)絡(luò)流量的提取特征，然后利用一個已分類的樣本訓(xùn)練集，利用某機(jī)器學(xué)習(xí)算法驗證所提取的特征是否準(zhǔn)確。最后在實時網(wǎng)絡(luò)中驗證該機(jī)器學(xué)習(xí)方法的有效性。
2技術(shù)背景
2.1 VoIP流量的識別方法
2.1。1傳統(tǒng)的基于端口識別的方法
傳統(tǒng)的網(wǎng)絡(luò)應(yīng)用及協(xié)議都有統(tǒng)一的標(biāo)準(zhǔn)，互聯(lián)網(wǎng)數(shù)字分配機(jī)構(gòu)( internet assigned numbers authority，IANA)負(fù)責(zé)統(tǒng)一分配端口號，每個網(wǎng)絡(luò)協(xié)議或應(yīng)用擁有一個或多個固定的端口號。根據(jù)樣本中的通信雙方的端口號就可以識別到具體的應(yīng)用或協(xié)議。但是，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，許多新興的網(wǎng)絡(luò)應(yīng)用不再使用固定的端口號，因此這種識別方法已經(jīng)不是目前主要的研究趨勢，需要新的識別機(jī)制來應(yīng)對這些新興的網(wǎng)絡(luò)應(yīng)用。
2.1.2應(yīng)用層識別方法
應(yīng)用層常用基于簽名匹配的流量識別方法。該方法針對TCP的一些未加密的網(wǎng)絡(luò)流量，應(yīng)用層負(fù)荷中包含一些將該應(yīng)用唯一識別出的靜態(tài)標(biāo)識，可能是某些特殊字符，也可能是某些二進(jìn)制數(shù)字。首先對已經(jīng)分析的應(yīng)用建立一個特征庫，然后對檢測的流量抽取出應(yīng)用層負(fù)荷信息，如果能與特征庫中的特征完全匹配，就能識別出該檢測流量。但是對于加密或者使用UDP協(xié)議的網(wǎng)絡(luò)應(yīng)用，這種方法將無法獲取需要的特征信息，從而失效。
2.1.3傳輸層識別方法
傳輸層識別方法主要是根據(jù)通信雙方的傳輸層的行為特征來識別流量。不必訪問應(yīng)用層，這樣可以避免泄露用戶隱私信息。所以，這是一種很有前景的流量識別方法。
基于聚類統(tǒng)計和基于機(jī)器學(xué)習(xí)的分類算法使用網(wǎng)絡(luò)應(yīng)用在傳輸過程中的統(tǒng)計特征，而不是僅僅使用流的應(yīng)用層特征或者端口特征。這種方法的識別單位為一條數(shù)據(jù)流，根據(jù)應(yīng)用的傳輸層的行為特點作為特征變量，如數(shù)據(jù)包的大小、數(shù)據(jù)流中的數(shù)據(jù)包之間的時間間隔，然后選擇合適的機(jī)器學(xué)習(xí)方法。
對這3種識別方法的優(yōu)缺點總結(jié)如表1所示。通過比較，針對VoIP流量大部分使用UDP協(xié)議或私有協(xié)議加密的特性，本文研究了一種傳輸層識別方法來識別大部分的VoIP流量。
2.2樸素貝葉斯分類算法
樸素貝葉斯分類算法定義：已知集合y={y．，Y：…．，J，。}，x={x．，x：…．，x�！�。有映射規(guī)則y胡x}，使得任意x，∈x有且僅有一個yA∈y使得y=fx，）成立。其中，y叫做類別集合，它的每一個元素是一個類別；x叫做待分類項集合，它的每一項都是z的一個特征參量；廠叫做分類器。分類算法的任務(wù)就是構(gòu)造分類器f。
待分類項z屬于類別yk的概率p(ykI功可以表示為公式(1)，其中p∽>0，p0，。》0，
并且
公式(1)中，因為分母對于所有類別為常數(shù)，所以我們只要將分子最大化皆可。又因為各特征屬性是條件獨立的，所以有：
根據(jù)上述分析，只需統(tǒng)計出對于所有類別的流量中公式(3)值最大的yk即為最終劃分的類。由于假設(shè)用于分類的各個特征屬性之間是相互獨立的，所以只要獨立地統(tǒng)計每個應(yīng)用的各個特征出現(xiàn)的頻率，就可統(tǒng)計出所提取的所有特征參量對該應(yīng)用的識別率，然后對其他類別的流量統(tǒng)計出該特征參量的識別率，最后對訓(xùn)練樣本集中所有類別的識別率進(jìn)行比較，識別率最高的，即為當(dāng)前特征參量的所屬類別。
3基于樸素貝葉斯算法的VoIP流量的識別
3.1 VoIP流量分析
基于應(yīng)用層的流量識別方式中，通過分析流量的負(fù)載信息，將應(yīng)用分類。但是，對于加密的流量或者使用UDP協(xié)議的應(yīng)用流量這些方法不再具備識別能力。VoIP的某些應(yīng)用為了保護(hù)用戶數(shù)據(jù)會選擇將數(shù)據(jù)流加密，這樣的流量破解后再分析負(fù)載信息是完全不可行的。為了減少數(shù)據(jù)傳輸中由于建立連接、擁塞控制、數(shù)據(jù)校驗、重傳機(jī)制等可靠傳輸而產(chǎn)生的開銷，某些VoIP應(yīng)用會選擇使用UDP協(xié)議傳輸。樸素貝葉斯分類方法分析的是通信雙方在傳輸層的行為特征，不需要檢測應(yīng)用層的負(fù)載信息。
以QQ的VoIP流量為例來研究貝樸素葉斯分類算法。文獻(xiàn)[1]中使用Nistnet網(wǎng)絡(luò)仿真器模擬不同的網(wǎng)絡(luò)環(huán)境。首先建立QQ語音源端編碼，推測數(shù)據(jù)包的結(jié)構(gòu)，選取的典型特征參量是數(shù)據(jù)包長度s和數(shù)據(jù)包間隔f。在不同的網(wǎng)絡(luò)環(huán)境下測試QQ語音流量的特征參量的變化。經(jīng)過對QQ語音視頻流量的多次觀測發(fā)現(xiàn)，每條流的傳輸層數(shù)據(jù)包頭在固定字段表示包長、包間隔。其中包間隔是一個范圍值，可以使用一個range -in標(biāo)簽。圖1是QQ語音分組到達(dá)的時間間隔和數(shù)據(jù)包長。圖2是Skype語音分組到達(dá)的時間間隔和數(shù)據(jù)包長。由圖l和圖2可以看出，QQ的語音流量的數(shù)據(jù)包大小接近90Bytes，而數(shù)據(jù)包到達(dá)的時間間隔的上行和下行流量有很大差別。上行數(shù)據(jù)包到達(dá)時間間隔在50ms左右，下行數(shù)據(jù)包到達(dá)時間間隔在1960ms左右。而Skype語音分組的數(shù)據(jù)包大小在90Bytes左右，分組到達(dá)的時間間隔大約是40ms左右。
3.2基于樸素貝葉斯分類算法的VoIP流量識別的方案設(shè)計
樸素貝葉斯方法是一個非常簡單的概率分類器，它假設(shè)用于分類的各個特征之間是相互獨立的，不存在任何關(guān)聯(lián)性。樸素貝葉斯的思想基礎(chǔ)是這樣的：對于待分類網(wǎng)絡(luò)流量，確定此網(wǎng)絡(luò)流量出現(xiàn)的條件下各個分類出現(xiàn)的概率，概率最大者，則認(rèn)為是此網(wǎng)絡(luò)流量屬于的類別。
基于2.2節(jié)介紹的算法，樸素貝葉斯分類方案設(shè)計分為3個階段：
1)準(zhǔn)備工作階段。這個階段主要是研究網(wǎng)絡(luò)應(yīng)用的流量特征，然后確定應(yīng)用的特征參量。以前面研究的QQ的VoIP流量為例，經(jīng)過對QQ語音視頻流量的數(shù)據(jù)包大小和包之間的時間間隔兩個特征參量的研究發(fā)現(xiàn)，每條語音流的包長及上行、下行數(shù)據(jù)包到達(dá)時間在一個范圍值內(nèi)，而且在傳輸層的數(shù)據(jù)包頭的固定字段會表示這些信息。然后還需要準(zhǔn)備一個訓(xùn)練樣本集合。這些訓(xùn)練樣本需要人工對網(wǎng)絡(luò)上的應(yīng)用獲取數(shù)據(jù)樣本，并將這些樣本分類到相應(yīng)的應(yīng)用類別下。準(zhǔn)備工作的質(zhì)量直接影響著整個分類過程，所選的特征屬性、訓(xùn)練樣本很大程度上決定了分類器的質(zhì)量。
2)分類器確定階段。這個階段的任務(wù)是生成分類器。主要工作是統(tǒng)計每個應(yīng)用在訓(xùn)練樣本中出現(xiàn)的概率p yi)及每個類別中包含某些特征屬性的條件概率統(tǒng)計p(xl y/)，并記錄統(tǒng)計結(jié)果。然后對每個類別計算p(xl yi)p(y，)的值，以p(xly，咖(yf)的最大項確定為樣本所屬類別。以QQ的VoIP流量為例，依據(jù)第一階段確定的特征參量，在第二階段統(tǒng)計出p(xf yi.)、p(y，)的值后，應(yīng)該是QQ_VoIP的p(xyf)p(y；)值最大，如果QQ_VoIP的p@ly』p(y，)值不是最大的，說明我們所選取的特征參量不合理，需要重新確定能唯一識別QQ的VoIP流量的特征。如果QQ_VoIP的p@lyf)p(y，)值是最大的，則說明，對于當(dāng)前的訓(xùn)練樣本集，所選取的特征是合理的，分類器生成。
3)應(yīng)用階段。將前兩個階段確定的特征屬性寫入規(guī)則庫中的QQ_VoIP協(xié)議中，然后用這個規(guī)則庫識別實時網(wǎng)絡(luò)上的QQ語音視頻流量，如果仍然有未被識別的流量，則需要繼續(xù)提取新的特征屬性，如果流量被識別，則說明特征提取完畢，規(guī)則庫確定。
根據(jù)上述3個階段的描述，流程圖如圖3所示。
下面針對基于樸素貝葉斯分類算法的VoIP流量識別的方案設(shè)計，以QQ的VoIP流量為例講述該方案的準(zhǔn)備工作階段、分類器訓(xùn)練階段的執(zhí)行內(nèi)容，應(yīng)用階段的執(zhí)行內(nèi)容將在實驗部分論述。
根據(jù)樸素貝葉斯算法，由3.1節(jié)的分析就確定了基本特征屬性集合X={s，f}的元素值，s代表數(shù)據(jù)包大小，計匕表數(shù)據(jù)包間隔，并且s和f是相互獨立的。類別集合C={X，K，，，，，K），其中Y就代表規(guī)則庫中的某個應(yīng)用，如SohuVideo，Thunder，SinaWeiBo，WeiXin，QQ_Transfer，QQ_VoIP等。由推理得知，如果欲將某條QQ的VoIP流量識別到QQ_VoIP協(xié)議，即求出p(yklx)=max{p(y．x)，p(y：Ix)，¨，，p(%lx))，其中x=p，f），yk代表QQ_VoIP協(xié)議，又因為，(H【x)=坐墚掣，p∞印腳(力，p(s)、p(t)對于所有應(yīng)用都為常數(shù)，所以我們只要確定分子的最大值即可。
所以根據(jù)樸素貝葉斯分類算法，我們所選定的特征值可以作為QQ_VoIP應(yīng)用的識別特征。而且，其他應(yīng)用的p(xl yl)值均小于6%，在可以接受的范圍內(nèi)。
4實驗與算法性能評價
4.1實驗場景設(shè)計
樸素貝葉斯分類算法的VoIP流量識別的設(shè)計方案中，在確定了分類器后，需要在現(xiàn)網(wǎng)環(huán)境中驗證樸素貝葉斯分類算法的有效性，在實驗室里搭建了_一個簡單的實驗平臺。選擇了6種比較流行的VoIP軟件：QQ、Skype、Viber、MSN、WeiXin、GoogleTalk。將這6種應(yīng)用分別運行于3臺PC中，并且多次發(fā)起、接受語音通話，同時每臺PC上打開wireshark獲取6個應(yīng)用的數(shù)據(jù)樣本。
4.2實驗結(jié)果分析及性能評價
使用3個參數(shù)作評判算法性能的標(biāo)準(zhǔn)：誤報率、正確識別率和漏報率。誤報就是對應(yīng)用的分類不準(zhǔn)確，即本應(yīng)是應(yīng)用A的流量經(jīng)算法識別分類到應(yīng)用B。正確識別率表示應(yīng)用樸素貝葉斯算法識別出的VoIP流量占所有該應(yīng)用的VoIP流量的比例。漏報率指某應(yīng)用的部分VoIP流量應(yīng)用樸素貝葉斯分類算法沒有被識別到，只被識別為基礎(chǔ)協(xié)議，如HTTP、HTTPS、UDP等，這部分流量占該應(yīng)用的VoIP流量的比例。6個應(yīng)用的流量經(jīng)過防火墻時阻斷情況及正確識別率、誤報率、漏報率如表2所示。
表2中的結(jié)果顯示，樸素貝葉斯算法使得VoIP流量在實際應(yīng)用中得到了很好的識別效果。在對每個應(yīng)用的10次阻斷測試中，阻斷成功率達(dá)到了100%。同時，對防火墻下該應(yīng)用的策略，其他應(yīng)用的流量不會被阻斷，即可認(rèn)為正確識別率、誤報率、漏報率都在可以接受的范圍內(nèi)。
5結(jié)束語
本文主要以QQ的VoIP流量為研究對象，首先對VoIP協(xié)議及它的控制流協(xié)議H.323、SIP進(jìn)行分析，然后重點分析VoIP應(yīng)用采用UDP協(xié)議的數(shù)據(jù)傳輸流量。在介紹了傳統(tǒng)的應(yīng)用層流量識別方法的基礎(chǔ)上，提出一種新的傳輸層流量識別方法——樸素貝葉斯分類算法。首先介紹樸素貝葉斯分類算法的基本原理，然后以QQ的語音流量為研究對象，選用數(shù)據(jù)包長和數(shù)據(jù)包間隔時間作為特征參量，對QQ的VoIP流量進(jìn)行分析識別。最后在現(xiàn)實網(wǎng)環(huán)境中，以防火墻的阻斷情況及誤報率、正確識別率作為參考數(shù)據(jù)。與應(yīng)用層的識別方法相比，傳輸層的識別方法既保護(hù)了用戶信息的隱私性，又能準(zhǔn)確地捕捉到VoIP流量的特征。在UDP流量的識別方法中，顯然具有很大的優(yōu)勢。
但是樸素貝葉斯算法又暴露出一些問題。在實際的分類問題中，屬性集合通常很難滿足條件獨立的假設(shè)，而樸素貝葉斯分類算法過度依賴于屬性的條件獨立性，同時VoIP流量的數(shù)據(jù)包間隔受數(shù)據(jù)包長影響，因此，選取數(shù)據(jù)包長、數(shù)據(jù)包的到達(dá)時間間隔等有相關(guān)性的特征用于分類還是不妥的。所以，這種分類算法還是需要進(jìn)一步改進(jìn)。雖然樸素貝葉斯方法的假設(shè)顯得不是非常理想，但是處理一些實際問題還是能收到較好的效果。
6摘要：
近年來互聯(lián)網(wǎng)技術(shù)飛速發(fā)展，實時通訊類應(yīng)用的種類不斷增加，這使得合理有效的管理網(wǎng)絡(luò)流量面臨著巨大的挑戰(zhàn)。文章首先對VoIP這類網(wǎng)絡(luò)流量使用的相關(guān)協(xié)議做了概述，然后分析了傳統(tǒng)的流量識別方法，在此基礎(chǔ)上，對于UDP流量或者加密流量提出基于傳輸層的識別機(jī)制，并且將樸素貝葉斯分類算法應(yīng)用于對VoIP流量的識別，通過給出一個部署方案，對幾個VoIP應(yīng)用進(jìn)行了驗證。實驗結(jié)果表明，樸素貝葉斯算法應(yīng)用于VoIP流量分類可以取得很好的識別效果。最后針對樸素貝葉斯算法的屬性獨立性的約束，提出了該算法仍需要改進(jìn)的地方。
上一篇: 防止Android逆向工程攻擊最佳方案
