Page 110 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

类模式，对复杂的协议进行层次化、有条理的分类。从上而下，利用科学化、规
范化的流程对繁杂协议进行识别。利用技术手段对数据进行引流，令其进入到数
据包中进行有效缓存。接下来，即可进入到协议识别分析器中选择最佳的识别技
术，对协议进行精准识别。当然，在设计立体化识别计划的过程中，可通过初级、

中级、高级等三个不同层次，实现应用识别技术的多维度应用。在初级阶段，主
要是对数据包进行科学的分类与引流，为接下来的协议识别奠定有利基础；在中
级层可充分发挥依托于端口的应用协议识别技术的优势与功能；而在高级层可对
协议行为进行研究，并确保展现加密协议的自主识别功能与优势。基于此，在不

同的层级利用更具有针对性的识别技术，真正展现该项识别计划的作用与价值。
2. 基于应用协议识别技术类型，优化与完善端口与识别方式
应用协议识别技术主要包括，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、流动型应用协议识别技术。因此，相关人员基于现代网络对应

用协议识别技术进行研究的过程中，可紧密围绕这些技术分类，积极优化与完善
端口与识别方式。能够在不同的系统、不同领域中实现应用协议识别技术的高效
应用。即技术人员需认识到单一利用端口或载荷识别技术都不会展现出良好的应
用效果，无论是在识别方式上，还是在技术的选择上都展现出一定的局限性。在

此形势下，相关技术人员可利用端口与首字节对协议链实现多元化匹配，令其能
产不同的哈希表。同时，结合不同的需求，最大化发挥基于端口的应用协议识别
技术的优势，并以优先级的方式丰富协议识别方法。例如，技术人员可按照数据
包的端口，设计不同形式的数据包。即端口与首字节并存的数据包，其优先级别

最高；保留端口无首字节的数据包，其优先级次之；保留首字节没有端口的数据
包，其优先级其后；端口与首字节皆不保留的数据包，其优先级最低。相关人员
通过设计这四种不同形式的数据包，可按照优先级更精准地切入协议链。不仅丰
富协议的识别方法，还可在一定程度上提高识别率。

现代网络视域下，对应用协议识别技术进行研究的过程中，需对其存在的不
同类型进行全面了解。以动态视角了解与掌握现代网络特征的基础上，能够对不
同类型的应用协议识别技术进行科学应用。并随着现代网络技术的发展与应用态
势，对识别丰富、技术手段等进行积极的优化与革新。确保应用协议识别技术能

最大化满足现代网络的综合需求，切实实现精准识别、高配使用。

102