3、网络流量识别与实时多媒体通信安全网关技术解析

网络流量识别与实时多媒体通信安全网关技术解析

随机流量识别在eDonkey协议中的应用

在网络安全管理领域，准确识别网络流量对于保障网络安全至关重要。这里采用了基于马尔可夫模型的随机方法对网络流量进行分类，以eDonkey协议通信为例进行了研究。

真实eDonkey流量分析

为验证该方法的有效性，首先对真实的eDonkey流量进行了初步评估。通过监测eD - DB中的240,851个TCP流量，检查通信中的前两个和后两个数据包。由于很多流量通过加密进行了混淆，因此对aMule eDonkey客户端进行了修改。
监测结果显示：
- 99.89%的流量中，前两个数据包对应HELLO和HELLO应答消息。
- 96.24%的流量中，最后两个数据包是开始上传请求和队列排名消息。

这些百分比未达到100%是因为跟踪中存在不完整的流量。此结果证实了在通用模型的初始对话和终止步骤中为eDonkey选择两个状态的正确性。

检测结果

接下来，检查所提出的检测系统是否能达到预期的检测率。对观测值进行预处理时，使用了K值为32的K - means算法，距离度量采用欧几里得距离。
通过交叉验证过程得到的结果如下：
- 系统能够实现超过95%的真实检测率，误报率约为4%。
- 使用验证数据集对系统进行验证，研究检测质量与检测阈值Pth选择的相关性。在概率范围[0.0293, 0.3488]内使用不同的Pth值进行检测，结果以ROC曲线呈现。在TD率范围为0.9到0.95时，系统的误报值范围较小，从0.036到0.038。并且验证数据集的结果与训练阶段交叉验证的结果没有显著差异，表