计算机应用

作者：梁登高, 周安民, 郑荣锋, 刘亮, 丁建伟

单位：1. 四川大学 网络空间安全学院, 成都 610065;2. 四川大学 电子信息学院, 成都 610065;3. 中国电子科技集团公司第三十研究所 保密通信重点实验室, 成都 610041

关键词：微信,红包与转账,流量突发块,加密流量,机器学习

基金：国家重点研发计划项目（2016YFE0206700）。

针对微信红包与转账功能被用于红包赌博、非法交易等违法活动，且现有的研究工作难以识别微信中收发红包与转账行为的具体次数，以及存在低识别率和高资源消耗的问题，提出了一种划分大、小流量突发块的方法来提取流量特征，从而对收发红包与转账行为进行有效识别。首先，利用收发红包与转账行为流量的突发性，设定大突发时间阈值将这类行为的流量突发块分隔开；然后，针对收发红包与转账行为由多次连续的用户操作组成的特性，设定小突发阈值将流量块进一步细化为小突发块；最后，综合大突发块中各个小突发块的特征，得到最终的特征。实验结果显示，该方法在时间效率、空间占用率、识别准确率、算法普适性等方面普遍优于微信支付行为识别方面的现有研究，平均准确率最高可达97.58%。真实场景的测试结果表明，所提出的方法基本能准确识别出一段时间内用户收发红包与转账行为的次数。

来源：2020年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第7期