(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111393416.0 (22)申请日 2021.11.23 (71)申请人 广州大学 地址 510006 广东省广州市番禺区大 学城 外环西路23 0号 (72)发明人 王宇　韦国成　薛含笑　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 代理人 李君 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 智能音箱网络流量的分类方法、 系统、 电子 设备和存 储介质 (57)摘要 本发明公开了一种智能音箱网络流量的分 类方法、 系统、 电子设备和存储介质， 所述方法包 括： 采集智 能音箱网络流量数据； 智 能音箱网络 流量数据包 括Common类、 Play类、 Direction类和 Control类； 对智能音箱网络流量数据进行预处 理， 得到特征数据集； 采取联合信息增益与 Pearson相关系数的方法对特征数据集进行特征 选择， 得到 特征子集； 根据特征子集， 通过网络流 量分类器实现智能音箱网络流量的分类。 本发明 采用联合信息增益与 Pearson相关系数对智能音 箱流量进行特征选择， 提高了分类器的性能， 同 时采用基于机器学习的流量分类技术可以更直 观有效的对网络流量进行分类识别， 用以评估其 安全状况。 权利要求书2页 说明书12页 附图8页 CN 114219008 A 2022.03.22 CN 114219008 A 1.一种智能音箱网络流 量的分类方法， 其特 征在于， 所述方法包括： 采集智能音箱网络流量数据； 所述智能音箱网络流量数据包括Common类、 Play类、 Direction类和Control类； 对所述智能音箱网络流 量数据进行 预处理， 得到特 征数据集； 采取联合信息增益与Pearson相关系数的方法对所述特征数据集进行特征选择， 得到 特征子集； 根据所述特 征子集， 通过网络流 量分类器实现智能音箱网络流 量的分类。 2.根据权利要求1所述的分类方法， 其特 征在于， 使用W ireshark进行流 量数据的采集； 采集的智能音箱网络流量数据被保存为PCAP文件， 其中每行数据表示一个网络数据 包， 所述网络数据包包括源端口号、 目标端口号、 源IP地址、 目标IP地址、 Unix 时间戳、 数据 包载荷大小和协议类型信息 。 3.根据权利要求1所述的分类方法， 其特征在于， 所述预处理， 包括流量聚合、 特征处理 和数据集标注， 其中： 所述流量聚合， 读取PCAP文件， 获取单个数据包的五元组信息； 以所述五元组信息为依 据， 根据传输协议中的SYN和FI N标志位进行流切割， 从而保存完整的网络流， 得到双向流； 所述特征处理， 将所述双 向流中的数据转化为特征向量格式， 再将双 向流分为两个方 向的单向流； 根据流量数据包长度、 载荷以及时间戳的统计特征， 分别对双向流和单向流中 的数据进行 特征提取， 获得网络流特 征； 所述数据集标注， 根据智能音箱网络流量数据的的产生方式， 在所述网络流特征上打 上相应的标签， 从而得到特 征数据集。 4.根据权利要求1所述的分类方法， 其特征在于， X和Y分别为所述特征数据集中的任意 两个特征， X和Y称为特 征对； 所述采取联合信息增益与Pearson相 关系数的方法对所述特征数据集进行特征选择， 得到特征子集， 包括： 设置阈值 k； 计算所述特 征数据集中所有特 征对的Pearso n相关系数； 若特征对的Pearso n相关系数 大于阈值 k， 则计算特 征对的信息增益； 计算出所有的信息增益； 并将信息增益较小值所对应的特 征删除； 将剩余特 征子集作为特 征选择结果， 即为特 征子集。 5.根据权利要求4所述的分类方法， 其特征在于， 所述特征对X和Y的Pearson相关系数 为X和Y之间的协方差和标准差的商， 即： 其中， 和 分别表示特征X和Y所有取值的算术平均值， Xi和Yi分别表示 特征X和Y在 第i条数据流的特 征取值。 6.根据权利要求 4所述的分类方法， 其特 征在于， 所述特 征对X和Y的信息增益 为：权　利　要　求　书 1/2 页 2 CN 114219008 A 2G(Y,X)＝H(X) ‑H(X|Y)               (2) 其中， H(X)为信息熵， H(X|Y)为条件熵； 在信息论中， 信息熵用来描述随机事 件的不确定性或纯度， 其定义 为： 假设随机变量为Xi(i＝1,2, …,n)， 对于每一个 可能的取值xi， 其概率为P(X＝xi)， pi＝P (X＝xi)， 则随机变量的信息熵为： 条件熵用来衡量在特 征Y下、 特 征X的不确定性， 其定义 为： 7.根据权利要求1所述的分类方法， 其特征在于， 所述根据所述特征子集， 通过网络流 量分类器实现智能音箱网络流量的分类， 是分别采用随机森林、 朴素贝叶斯、 贝叶斯网络和 支持向量机构建网络流 量分类器， 实现对智能音箱网络流 量的分类。 8.一种智能音箱网络流 量的分类系统， 其特 征在于， 所述系统包括： 数据采集模块， 用于采集智能音箱网络流量数据； 所述智能音箱网络流量数据包括 Common类、 Play类、 Directi on类和Control类； 数据预处 理模块， 用于对所述智能音箱网络流 量数据进行 预处理， 得到特 征数据集； 数据集特征选择模块， 用于采取联合信息增益与Pearson相 关系数的方法对所述特征 数据集进行 特征选择， 得到特 征子集； 分类模块， 用于根据所述特征子集， 通过网络流量分类器实现智能音箱网络流量的分 类。 9.一种电子设备， 包括处理器以及用于存储处理器可执行程序的存储器， 其特征在于， 所述处理器执行存储器存储的程序时， 实现权利要求1 ‑7任一项所述的分类方法。 10.一种存储介质， 存储有程序， 其特征在于， 所述程序被处理器执行时， 实现权利要求 1‑7任一项所述的分类方法。权　利　要　求　书 2/2 页 3 CN 114219008 A 3