基于朴素贝叶斯算法的VoIP流量识别技术研究

doi:10.3969/j.issn.1671-1122.2015.10.011

信息网络安全 ›› 2015, Vol. 15 ›› Issue (10): 74-79.doi: 10.3969/j.issn.1671-1122.2015.10.011

基于朴素贝叶斯算法的VoIP流量识别技术研究

肖梅^1,²(), 辛阳²

1. 华为技术有限公司,北京 100095
2. 北京邮电大学信息安全中心,北京 100876

收稿日期:2015-06-13 出版日期:2015-10-01 发布日期:2015-11-04
作者简介:
作者简介：肖梅（1987-）,女,河北,硕士研究生,主要研究方向：网络安全;辛阳（1977-）,男,山东,副教授,博士,主要研究方向：移动通信网络安全、计算机网络安全。
基金资助:
国家高技术研究发展计划（国家863计划） [2015AA016005];江苏省未来网络创新研究院 “未来网络前瞻性研究项目”[BY2013095-4-05]

Research on VoIP Traffic Identification Technology Based on Naive Bayesian Algorithm

XIAO Mei^1,²(), XIN Yang²

1. Huawei Technologies Co., LTD, Beijing 100095, China
2. Information Security Center, Beijing University of Posts and Telecommunications, Beijing 100876, China

Received:2015-06-13 Online:2015-10-01 Published:2015-11-04

摘要/Abstract

摘要：

近年来互联网技术飞速发展,实时通讯类应用的种类不断增加,这使得合理有效的管理网络流量面临着巨大的挑战。文章首先对VoIP这类网络流量使用的相关协议做了概述,然后分析了传统的流量识别方法,在此基础上,对于UDP流量或者加密流量提出基于传输层的识别机制,并且将朴素贝叶斯分类算法应用于对VoIP流量的识别,通过给出一个部署方案,对几个VoIP应用进行了验证。实验结果表明,朴素贝叶斯算法应用于VoIP流量分类可以取得很好的识别效果。最后针对朴素贝叶斯算法的属性独立性的约束,提出了该算法仍需要改进的地方。

关键词: VoIP, 传输层, 朴素贝叶斯, 流量分类, 独立性

Abstract:

With the development of Internet technology and the surge for the number of real-time communications applications, to effectively manage network traffic has been faced with new challenges.The article first outlines protocols associated with VoIP network traffic.Then on the basis of analyzing the methods for traditional traffic identification, it proposes an recognition mechanism based on transport layer for UDP traffic or encrypted traffic.And the article applies the naive Bayesian classifier algorithm to identification of VoIP traffic. Finally, it gives a deployment to verify several VoIP applications. Experimental results show that naive Bayesian algorithm is applied effectively to classification for VoIP traffic. At the end of the article,it describes that the algorithm still needs to be improvemented because of properties independence.

Key words: VoIP, transport layer, naive Bayesian, classification for VoIP traffic, independence

中图分类号:

TP309

肖梅, 辛阳. 基于朴素贝叶斯算法的VoIP流量识别技术研究[J]. 信息网络安全, 2015, 15(10): 74-79.

XIAO Mei, XIN Yang. Research on VoIP Traffic Identification Technology Based on Naive Bayesian Algorithm[J]. Netinfo Security, 2015, 15(10): 74-79.

图/表 4

参考文献 16

[1]	李冰. VoIP和P2P+2PTV流量的识别与测量研究[D].天津:天津大学,2010.
[2]	程博,辛阳. 基于VOIP的语音视频流量监控方案设计与实施[J]. 信息网络安全,2014,(6):53-58.
[3]	Forman G.An extensive empirical study of feature selection metrics for text classification[J].The Journal of Machine Learning Research,2003:1289-1305.
[4]	王康. VOIP检测和限制技术的研究及在扬州电信的应用[D].南京:东南大学,2006.
[5]	李天枫,姚欣,王劲松. 大规模网络异常流量实时云监测平台研究[J]. 信息网络安全,2014,(9):1-5.
[6]	张峰. 基于机器学习的VoIP流量识别技术研究[D].武汉:华中师范大学,2013.
[7]	武光达,蒋朝惠. 基于DPI的流量识别系统的研究[J]. 信息网络安全,2014,(10):44-48.
[8]	Auld T,Moore AW,Gull S F.Bayesian neural networks for internet traffic classification[J].Neual Networks,IEEE Transactions on,2007,18(1):223-239.
[9]	Ehlert S,Petgang S,Magedanz T,et al.Analysis and signature of Skype VoIP session traffic[C]//4th IASTED Intermational,2006.
[10]	梁伟. VoIP呼叫分拣关键技术研究与设计[D].郑州:解放军信息工程大学,2012.
[11]	于孝美. 基于半监督学习的分布式在线流量识别研究[D].济南:济南大学,2013.
[12]	D.Bonfiglio,M.Mellia,M. Meo,et al.,Revealing Skype Traffic:When Randomness Plays with You[C]//ACM SIGCOMM Computer Communication Review,New York, USA, Oct.2007.
[13]	D.Zuev and A.W.Moore, Traffic Classification Using a Statistical Approach[C]//in Proceedings of the 6th International Workshop of Passive Active Measurement(PAM 2005),Boston,MA,USA,Mar./Apr.2005.
[14]	米淑云. IP网络流量监控系统的设计与实现[D].北京:北京邮电大学,2009.
[15]	马丽娜. 基于机器学习的GTalk流量识别系统的设计与实现[D].哈尔滨:哈尔滨工业大学,2013.
[16]	毕夏安. 高性能包分类技术及其应用研究[D].长沙:湖南大学,2012.

基于朴素贝叶斯算法的VoIP流量识别技术研究

Research on VoIP Traffic Identification Technology Based on Naive Bayesian Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 16

相关文章 15

编辑推荐

Metrics

本文评价

[1]	张玉臣, 张雅雯, 吴越, 李程. 基于时频图与改进E-GraphSAGE的网络流量特征提取方法[J]. 信息网络安全, 2023, 23(9): 12-24.
[2]	彭诚, 范伟, 朱大立, 杨芬. 基于加权贝叶斯分类器的LTE接入网中间人攻击检测研究[J]. 信息网络安全, 2023, 23(2): 1-10.
[3]	魏松杰, 李成豪, 沈浩桐, 张文哲. 基于深度森林的网络匿名流量检测方法研究与应用[J]. 信息网络安全, 2022, 22(8): 64-71.
[4]	顾兆军, 郝锦涛, 周景贤. 基于改进双线性卷积神经网络的恶意网络流量分类算法[J]. 信息网络安全, 2020, 20(10): 67-74.
[5]	魏书宁, 陈幸如, 唐勇, 刘慧. AR-HELM算法在网络流量分类中的应用研究[J]. 信息网络安全, 2018, 18(1): 9-14.
[6]	戚犇, 王梦迪. 基于信息增益的贝叶斯态势要素提取[J]. 信息网络安全, 2017, 17(9): 54-57.
[7]	王明元，贾焰，周斌，黄九鸣. 一种基于主题相关性分类的微博话题立场研判方法[J]. 信息网络安全, 2014, 14(9): 17-21.
[8]	. 基于VOIP的语音视频流量监控方案设计与实施[J]. , 2014, 14(6): 53-.
[9]	张鑫;马勇;曹鹏. 基于贝叶斯分类算法的木马程序流量识别方法[J]. , 2012, 12(8): 0-0.
[10]	安文娟;李丹;辛阳. 基于聚类算法的实时IP流量识别技术研究[J]. , 2012, 12(10): 0-0.
[11]	曹象臣. VoIP的安全隐患与应对措施研究[J]. , 2010, (4): 0-0.
[12]	葛青林;王莹莹;李静. 基于决策树算法分析恶意网络攻击和入侵[J]. , 2010, (3): 0-0.
[13]	汤锦淮;刘宇. VOIP电话引发的网络违法犯罪问题研究[J]. , 2010, (2): 0-0.
[14]	李毅;顾健;顾铁军. 基于朴素贝叶斯方法的邮件样本预筛选[J]. , 2010, (10): 0-0.
[15]	缪林. 从侦破"南京市5·19特大VoIP电信诈骗案"看侦办电信诈骗案件[J]. , 2009, 9(11): 0-0.