SBAR: SDN flow-Based monitoring and Application Recognition SOSR 2018 poster
摘要
-
检测系统，可以细化应用层分类。
-
基于DPI和Machine Learning分类，可以减少开销。
-
基于应用协议分类。
-
使用特定的 DPI 技术检测 web 和加密流量
-
解决问题：无法识别相同协议下的不同应用（如http下的Facebook，Twitter等）
-
DPI：检测包负载，分类细化到应用协议下的具体应用。
-
ML：分类细化到应用协议级别，缓解处理负担。
-
利用传输层特征值分析。
架构
测量模块
- 流测量报告：NetFlow/IPFIX
- Openflow流表：提供包比特数、duration
- 组表：解耦不同网络任务模块的操作
分类模块
- machine learning：对应用协议分类（SMTP，SSH）
- DPI：web和加密流分类
具体实现
- machine learning：分类C5.0 决策树，特征：源、目的端口，IP协议，最初一些包的大小。
- 训练集：使用nDPI提供的协议标签
- DPI：提取主机的HTTP头部，SSL/TLS 的 SNI 段，分析 DNS 流量推断应用（IP到域名的映射）
- C5.0决策树对流的应用协议分类
- Bro IDS 处理DNS、HTTP和加密流量
- SBAR 提供流层面的测量报告，并发往测量
实验：最后接入巴塞罗那的校园网流量测试：
