面向私有二进制协议的报文聚类方法

来源：计算机科学与探索杂志2020年第6期北京时间：

作者：徐旭东，张志祥，张献

单位：海军工程大学 电子工程学院，武汉 430033

摘要：报文聚类是协议逆向工程的主要步骤之一。针对私有二进制协议报文，目前的报文聚类方法存在报文向量化特征冗余的问题，而且传统聚类方法存在聚类中心和聚类簇数难以确定的问题。根据n-gram序列化的思想，构造报文的序列项-位置矩阵，从中挖掘频繁项，构造报文特征向量，有效去除了报文向量化中的序列噪声；采用轮廓系数指导分拆式层次聚类，避免了初始聚类簇数和聚类中心的选择，以实现无监督条件下的私有二进制协议报文的聚类。在AIS、DNS、ICMP、ARP四种协议共七类报文的数据集上测试，通过t-SNE可视化界面观察报文分布情况，特征向量化的方法具有很好的分布和特征表达效果；相较于传统的聚类方法，基于轮廓系数的分拆式层次聚类在纯净度和F1值上具有明显提升。

关键词：二进制协议,报文聚类,特征向量生成,分拆式层次聚类,频繁项挖掘