基于Simhash的协议数据高频相似序列提取算法

doi:10.3778/j.issn.1002-8331.1907-0133

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (16): 199-203.DOI: 10.3778/j.issn.1002-8331.1907-0133

基于Simhash的协议数据高频相似序列提取算法

黄学波，徐正国，燕继坤

盲信号处理国家重点实验室，成都 610041

出版日期:2020-08-15 发布日期:2020-08-11

High-Frequency Similar Sequence Extraction Algorithm of Protocol Data Based on Simhash

HUANG Xuebo, XU Zhengguo, YAN Jikun

State Key Laboratory of Blind Signals Processing, Chengdu 610041, China

Online:2020-08-15 Published:2020-08-11

摘要/Abstract

摘要：

在网络协议特征提取问题中，已有的基于频率统计和序列比对等算法在时间效率和准确率上有一定缺陷，因此提出了一种基于Simhash的高频相似序列提取方法。针对传统的Simhash算法一般用于文本处理领域的问题，根据二进制序列的特点将协议数据进行“分词”处理，并采用了减少哈希结果长度、降低比较次数等方法进一步提高算法效率，最终使Simhash适合于高频相似序列提取问题。实验结果表明，该算法的平均覆盖率达到74.28%，并且在此准确率的条件下时间效率较高。

关键词: 协议分析, 二进制序列, Simhash, 高频相似序列

Abstract:

In the feature extraction problem of network protocol, the existing algorithms based on frequency statistics and sequence alignment have some shortcomings in time efficiency and accuracy, so a high-frequency similar sequence extraction algorithm based on Simhash is proposed. The traditional Simhash algorithm is generally used in the field of text processing, the protocol data are processed by word segmentation according to the characteristics of binary sequences, and methods such as reducing the length of hash results and the number of comparisons are adopted to further improve the algorithm efficiency. Finally, Simhash is suitable for the extraction of high-frequency similar sequences. Experimental results show that the average coverage rate of the algorithm is 74.28%, and the time efficiency is higher under the condition of such accuracy.

Key words: protocol analysis, binary sequence, Simhash, high-frequency similar sequence

黄学波，徐正国，燕继坤. 基于Simhash的协议数据高频相似序列提取算法[J]. 计算机工程与应用, 2020, 56(16): 199-203.

HUANG Xuebo, XU Zhengguo, YAN Jikun. High-Frequency Similar Sequence Extraction Algorithm of Protocol Data Based on Simhash[J]. Computer Engineering and Applications, 2020, 56(16): 199-203.

[1]	陈小寒，魏书宁，覃正泽. 基于深度学习可视化的恶意软件家族分类[J]. 计算机工程与应用, 2021, 57(22): 131-138.
[2]	张航，盛志伟，张仕斌，杨敏. Simhash算法在文本去重中的应用[J]. 计算机工程与应用, 2020, 56(11): 246-251.
[3]	李致远1，2. ARES P2P资源共享协议分析技术研究[J]. 计算机工程与应用, 2016, 52(24): 1-5.
[4]	肖红光，陈蓉，巫小蓉，史长琼，严利辉，邹强. 基于动态密钥的移动RFID安全认证协议[J]. 计算机工程与应用, 2016, 52(22): 113-117.
[5]	徐凯1，2，沙瀛2，李阳3，单既喜2，王晓岩2. Twitter中重复消息的分析和处理[J]. 计算机工程与应用, 2014, 50(21): 111-115.
[6]	高翔1，李兵2. 中文短文本去重方法研究[J]. 计算机工程与应用, 2014, 50(16): 192-197.
[7]	薛疑1，叶晓俊2. 数据库活动监控工具的接口自动机模型[J]. 计算机工程与应用, 2012, 48(18): 110-114.
[8]	曹佳. 一种安全的P2P扑克牌协议[J]. 计算机工程与应用, 2011, 47(27): 8-10.
[9]	潘菊,朱建明. Kim公平非否认协议的改进[J]. 计算机工程与应用, 2009, 45(4): 102-104.
[10]	莫乐群¹,郭庚麒¹,姚国祥². 一种基于聚类和协议分析的入侵检测方法[J]. 计算机工程与应用, 2009, 45(14): 81-83.
[11]	刘年生¹,郭东辉². 混沌二进制序列的伪随机性和复杂性分析[J]. 计算机工程与应用, 2008, 44(2): 16-19.
[12]	王全来^1,2，王亚弟¹，韩继红¹. 密码协议形式化分析的计算合理性[J]. 计算机工程与应用, 2007, 43(21): 8-11.
[13]	黄亮，卢建朱 . 基于椭圆曲线自验证公钥的3G通信认证方案[J]. 计算机工程与应用, 2007, 43(20): 128-131.

基于Simhash的协议数据高频相似序列提取算法

High-Frequency Similar Sequence Extraction Algorithm of Protocol Data Based on Simhash

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics