Page 109 - 基于深度学习的人工智能技术研究

第三章 深度学习理论与实践

依托于端口的应用协议识别技术的应用短板该项技术虽在应用的过程中展现出一
定的优势，但仍旧存在相应的劣势。如基于载荷的深度包检测技术，不能被有效
地应用到流量加密中。因该项技术具有一定的不稳定性，会阻碍模式特征的精准
选择。

3. 流动型应用协议识别技术
在对流动型应用协议识别技术进行研究与应用的过程中，需结合模式特征，
选择更具有适配性与针对性的方法。而方法的核心原理主要是流统计特征的认定，
并对技术特征进行科学的定义。即包与包到达所需要的时间需进行规定，并充分

利用技术手段对网络流量、技术参数等进行分析与界定。接下来，将该项技术应
用到不同类型的网络流量中。而现代网络背景下，在应用流动型应用协议识别技
术的过程中，可减去载荷的监测流程，能够对网络流量进行全面的研究。即根据
其所展现出的显著特征，对应用协议进行科学的分类，并做出有效识别。

相关技术人员需对应用协议识别技术的理论变化建立正确的认识，应以动态
视角对其进行分析与研究。即随着流量统计特征的不断变化，应对相关的技术应
用类型与算法进行重新选择。同时，相关技术人员需对目前的现代网络特征、发
展态势等进行全程、全面的跟踪与研究，根据其实际的复杂形势，科学地使用应

用协议识别技术。并对依托于端口的应用协议识别技术、基于载荷的深度包检测
技术特征等进行有效掌握，并结合其实际问题，多维度、多方法地使用应用协议
识别技术。避免利用固定的一种识别时段，否则无法切实提升识别技术的准确率，
且无法满足现代网络的多样化需求。

（二）应用协议识别技术的实现与协议识别系统的设计策略
1. 结合现代网络特征，构建科学的技术识别计划
现代网络中，既需对加密流量进行识别，还需对相关数据实现快速的粗选。
因此，在对应用协议识别技术的实现进行研究的过程中，需能结合现代网络特征，

构建更加科学、完善的识别计划。如现代网络空间中拥有庞大、复杂的数据信息，
相关系统需对不同的流量数据进行解析。如文本类的数据解析等，都需选择有效
的方法与识别方案，才可实现应用协议识别技术的高效应用。技术人员需对现代
网络的这一特征建立全面的认识，能够对数据流量进行精准过滤。提炼出更具有

应用价值的数据，选择不同类型的应用协议识别技术对协议进行识别与评判。
如技术人员可设计一个立体化、多维度的协议识别计划。即充分利用树形分

101