计算机应用

作者：朱玉娜, 张玉涛, 闫少阁, 范钰丹, 陈韩托

单位：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

关键词：密码协议,协议识别,统计特征,半监督学习,子空间聚类

针对现有的基于统计特征的协议识别方法选择识别特征时未考虑不同协议个体之间的差异的问题，结合半监督学习和模糊子空间聚类（FSC）方法，提出了一种半监督子空间聚类协议识别方法（SSPIA）。首先，将有标签的样本流转化为成对约束信息，从而获取先验约束条件；其次，在此基础上提出半监督模糊子空间聚类（SFSC）算法，该算法利用约束条件指导子空间聚类过程；然后，建立类簇和协议类型的映射，以获取协议各个特征的权重系数，进而构建个体化的密码协议特征库用于后续协议识别；最后，针对5个典型的密码协议进行聚类效果和识别效果实验。实验结果表明，针对基于统计特征的协议识别问题，与传统K-means方法和FSC方法相比，所提SSPIA的聚类效果更好，且SSPIA构建的协议识别分类器更为精确，协议识别率更高，误识别率更低。所提SSPIA提高了基于统计特征的识别效果。

来源：2021年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第10期