HTTP流量应用类型分类系统的设计与实现的中期报告.docx

HTTP流量应用类型分类系统的设计与实现的中期报告
设计与实现HTTP流量应用类型分类系统的中期报告
本项目旨在设计并实现一个HTTP流量应用分类系统，该系统可以实现对HTTP流量进行实时分类与监控，并能够自动分类、统计及记录HTTP流量在网络中的情况。在分类后，可以根据用户需求对不同类型的HTTP流量进行处理，以满足个性化的网络需求。
一、需求分析
1.1项目背景
HTTP流量是现代网络中最为普遍的流量之一，大量的网络应用程序是基于HTTP协议实现的。HTTP协议的特点是可扩展性、灵活性和易于实现，这也为网络攻击带来了方便利用的机会。因此，通过对HTTP流量进行实时分类监测，能有效减少网络安全问题的发生。
1.2系统要求
本项目旨在设计并实现一个HTTP流量应用分类系统，该系统具有以下要求：
（1）实时监测HTTP流量
（2）自动分类、统计及记录HTTP流量
（3）支持自定义HTTP流量处理规则
1.3技术选型
（1）系统架构：采用分层开发模式，由数据采集、流量分类、数据处理与显示四层组成。
（2）开发语言：Python
（3）数据采集与监听工具：Tshark
（4）HTTP流量分类算法：机器学习中的朴素贝叶斯算法
（5）数据处理与显示：采用Flask框架进行Web开发
二、系统设计
2.1数据采集
Tshark是一款强大的网络数据包捕获和分析工具，它支持多种协议（如HTTP、TCP、UDP）的抓包和过滤功能。Tshark工具被用于对HTTP流量进行实时捕获，并将捕获结果保存成PCAP文件。
2.2流量分类
为了实现HTTP流量的自动分类，本系统采用朴素贝叶斯算法对HTTP流量进行分类。朴素贝叶斯算法是一种基于贝叶斯定理的分类算法，通过利用特征的条件概率来对新的数据进行分类。
训练数据的采集和特征提取工作是机器学习中最为关键的一步。本系统中，将大量的HTTP流量数据作为训练数据，并通过机器学习算法对数据进行特征提取，形成针对HTTP流量的特征值向量。在训练完成后，将对新的HTTP流量数据进行分类，并将分类结果存储到数据库中。
2.3数据处理与显示
通过Flask框架实现Web界面的开发，创造性地将机器学习的算法模型和HTTP协议的解析引入系统，使得系统可以将从PCAP文件中捕获的HTTP流量的分析结果自动地分类与记录下来。此外，我们在界面上为用户提供了基于HTTP会话的流量数据统计功能，可以选定特定HTTP请求/响应中的数据进行统计和分析。
三、实现过程
通过python语言调用Tshark工具进行网络流量数据采集和分析。利用python中的scapy工具对HTTP流量进行解析和特征提取，并利用机器学习算法对HTTP流量进行分类。通过设计数据结构和运用数据库对分类结果进行存储和管理，同时利用Flask框架开发Web窗口，向用户放出HTTP星云的分析结果。我们计划在下一阶段进一步完善程序的完整性，包括数据的统计和筛选、策略的分类和匹配、查询和可视化展示等完整的功能。
四、总结
本项目设计并实现了一个HTTP流量应用分类系统，该系统具有实时监测HTTP流量、自动分类、统计及记录HTTP流量和自定义HTTP流量处理规则等功能。在实现过程中，采用了分层开发模式，使用Python语言、Tshark数据采集工具、朴素贝叶斯算法、Flask框架进行系统开发。下一步将进一步完善系统的完整性，以满足更多的网络实际需求。