1.一种基于数据包字节分布的应用程序流量分类方法，其特征在于，包括：获取待分类的目标应用程序流量，从所述目标应用程序流量中获取目标数据报文序列，所述目标数据报文序列包含多个目标负载数据报文，所述目标负载数据报文为过滤掉负载长度为零的负载数据报文，对所述目标数据报文序列进行字节分布统计，以根据所述目标数据报文序列的目标字节分布序列获得目标序列特征，该步骤包括：对所述目标数据报文序列中的各个所述目标负载数据报文进行数据包的字节分布统计，获得目标字节分布序列，所述目标字节分布序列包含多个目标字节分布，从所述目标字节分布序列中的各个所述目标字节分布提取特征，获得与各个所述目标负载数据报文对应的特征序列，所述特征序列包含多个目标数据报文特征，使各个所述特征序列构成目标数据报文特征序列，并从所述目标数据报文特征序列中提取特征，获得目标序列特征，将所述目标序列特征输入至训练好的XGBoost分类器中，触发所述XGBoost分类器依据所述目标序列特征对所述目标应用程序流量进行检测识别，以输出所述目标应用程序流量对应的分类结果。
2.根据权利要求1所述的应用程序流量分类方法，其特征在于，还包括对所述XGBoost分类器进行训练，所述训练的步骤包括：从训练数据库中获得样本应用程序流量，从所述样本应用程序流量中获取样本负载数据报文，对所述样本负载数据报文进行字节分布统计，以根据字节分布统计值获得所述样本负载数据报文的样本序列特征，将所述样本序列特征输入至XGBoost分类器中，以获得与所述样本序列特征对应的样本分类结果，根据当前的所述样本分类结果计算获得所述XGBoost分类器的当前损失参数，并根据所述当前损失参数调整所述XGBoost分类器的分类参数，判断所述当前损失参数是否满足预设的收敛条件，若满足，则对所述训练步骤完成。
3.根据权利要求1所述的应用程序流量分类方法，其特征在于，从所述目标字节分布中提取的特征包括字节分布熵、可见字符分布熵、不可见字符分布熵、扩展字符分布熵、可见字符占比、不可见字符占比、扩展字符占比、0x00字节占比和0xFF字节占比。
4.根据权利要求3所述的应用程序流量分类方法，其特征在于，在各个所述目标字节分布中添加所述目标负载数据报文的间隔时间，从所述目标字节分布中提取的特征还包括所述间隔时间、所述目标负载数据报文的负载长度和协议。
5.根据权利要求3所述的应用程序流量分类方法，其特征在于，从所述目标数据报文特征序列中提取的特征包括所述目标数据报文特征序列中的各个数值型特征的序列特征，所述序列特征包括各个所述数值型特征的最大值、最小值、平均值和标准差。
6.根据权利要求5所述的应用程序流量分类方法，其特征在于，从所述目标数据报文特征序列中提取的特征还包括所述目标数据报文特征序列的过零率。
7.根据权利要求2所述的应用程序流量分类方法，其特征在于，所述样本负载数据报文为过滤掉负载长度为零的负载数据报文，对所述样本负载数据报文进行字节分布统计，以根据所述样本负载数据报文的字节分布获得所述样本负载数据报文的样本序列特征的步骤包括：分别对多个所述样本负载数据报文进行数据包的字节分布计算，以相应的获得多个样本字节分布，并在各个所述样本字节分布中添加所述样本负载数据报文的间隔时间，分别从各个所述样本字节分布中提取特征，以作为与各个所述样本负载数据报文对应的各个样本数据报文特征，使各个所述样本数据报文特征构成的样本数据报文特征序列，并从所述样本数据报文特征序列中提取特征，以作为所述样本序列特征。
8.一种存储介质，其特征在于，所述存储介质为可读存储介质，所述可读存储介质上存储的计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的应用程序流量分类方法。
转果果小程序
转果果公众号