专利交易市场

本申请公开了一种网站指纹识别方法、装置、存储器和处理器，获取网站流量并按照会话分割成若干个子流量；按照同一预设的时间间隔划分所述每个子流量中的数据包；获取属于同一预设时间间隔内的数据包的时间标签，将所述时间标签的数量按照流量方向分别累加获得第一标签数量和第二标签数量；累加一预设的第一差额至所述第一标签数量中获得第三标签数量；将属于同一子流量中所有的所述第二标签数量、第三标签数量两两一组并按照时间序列排序获得处理后的子流量数据；利用机器学习模型识别所述处理后的子流量数据并获得对应的网站指纹。通过本方法能够识别出对使用了WTF‑PAT的tor流量进行识别，可以确定用户正在通过加密连接访问哪些网站。

移动应用网络流量聚类装置，包括：获取单元，适于获取移动终端所产生的网络流量；预处理单元，适于对所获取的网络流量进行预处理，生成DNS流量对应的DNS流量记录集合和除DNS流量之外的其他网络流量对应的其他网络流量记录集合；第一聚类单元，适于对DNS流量记录集合进行聚类，得到DNS流量对应的多个DNS网络流量类；第二聚类单元，适于采用所得到的多个DNS网络流量类对其他网络流量记录集合进行聚类，得到其他网络流量对应的多个其他网络流量类；合并单元，适于将DNS流量对应的多个DNS网络流量类与其他网络流量对应的多个其他网络流量类进行合并，得到最终的移动应用网络流量聚类结果。上述的方案，可以简易地实现对移动应用网络流量的聚类分析。

本发明公开一种网络流特征值的预测方法，包括，获取物联网网络中的网络流；提取所述网络流中的特征值，基于特征值得到时间序列；对所述时间序列进行检验；基于检验结果通过ARIMA模型或正态分布对时间序列进行预测，得到网络流特征值预测结果。

本发明公开了一种基于二次特征提取的网络流量异常检测方法及系统，通过使用双向长短期记忆网络学习网络流量数据之间的特征关系，完成网络流量数据的一次特征提取，并在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对双向长短期记忆网络生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量数据检测模型，实现多分类网络流量数据的异常检测。本发明有效提高了网络流量数据异常检测的准确率、精确率、召回率和F1值，并且该模型并且具有良好的泛化能力。