基于深度学习的网络空间操作系统识别技术研究

作     者：马登辉 李宗容 李楠芳 王旭 MA Denghui;LI Zongrong;LI Nanfang;WANG Xu

作者机构：青海电力科学研究院青海西宁810008 国网青海电力公司青海西宁810008 

出 版 物：《电力大数据》 (Power Systems and Big Data)

年 卷 期：2023年第26卷第2期

页      面：44-52页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：网络空间资产探测 深度学习 卷积神经网络 操作系统识别 被动探测 

摘      要：针对网络空间中流量数据的数字资产探测问题,本文提出了一种基于卷积神经网络的操作系统指纹快速识别方法。首先对网络空间资产探测原理进行了概述,通过对基于SVM的操作系统识别和基于决策树的操作系统识别方法进行对比,设计和构建了以ReLU函数作为激活函数的二层卷积模型且增加了BN层、池化层、全连接层,使用流量探测分析工具p0f将其指纹库操作系统指纹数据作为训练集,对收集到的流量数据作为测试集进行指纹识别测试,并将SVM方法和决策树方法与本文构建模型进行对照组实验。实验结果表明,本文提出的操作系统识别模型具有较高的收敛速度,且平均判别准确率相比于SVM算法和C4.5决策树算法提高了13和6个百分点,证明模型在操作系统识别方面具有良好的性能。