目錄

• 架構
  • 測量模組
  • 分類模組
    • 具體實現
• 實驗：最後接入巴塞羅那的校園網流量測試：

SBAR: SDN flow-Based monitoring and Application Recognition SOSR 2018 poster

# 摘要

• 檢測系統，可以細化應用層分類。
• 基於DPI和Machine Learning分類，可以減少開銷。
• 基於應用協議分類。

• 使用特定的 DPI 技術檢測 web 和加密流量

• 解決問題：無法識別相同協議下的不同應用（如http下的Facebook，Twitter等）
• DPI：檢測包負載，分類細化到應用協議下的具體應用。
• ML：分類細化到應用協議級別，緩解處理負擔。

• 利用傳輸層特徵值分析。

架構

測量模組

• 流測量報告：NetFlow/IPFIX
• Openflow流表：提供包位元數、duration
• 組表：解耦不同網路任務模組的操作

分類模組

• machine learning：對應用協議分類（SMTP，SSH）
• DPI：web和加密流分類

具體實現

• machine learning：分類C5.0 決策樹，特徵：源、目的埠，IP協議，最初一些包的大小。
• 訓練集：使用nDPI提供的協議標籤
• DPI：提取主機的HTTP頭部，SSL/TLS 的 SNI 段，分析 DNS 流量推斷應用（IP到域名的對映）
• C5.0決策樹對流的應用協議分類
• Bro IDS 處理DNS、HTTP和加密流量
• SBAR 提供流層面的測量報告，併發往測量

實驗：最後接入巴塞羅那的校園網流量測試：