巧用“基因檢測”破解網站“指紋”識別難題

　　“基因檢測”算法可以運用于網站“指紋”的精準識別？這看似跨度很大的想法卻在電子科技大學計算機科學與工程學院2013級直博生卓中流的努力下變為了現實。

　　由于受到生物醫學領域的基因序列檢測算法的啟發，卓中流提出了一種高效的網站指紋檢測算法，彌補了傳統模型無法對多級頁面跳轉進行建模的缺陷，同時提高了單一網頁的檢測準確率。

　　這項成果是基因序列檢測算法在網絡流量識別和針對僵尸網、暗網等檢測方面的初次運用，為流量識別領域和網站指紋檢測領域提供了新思路。相關論文已經發表在了信息安全領域頂級期刊IEEE Transactions on Information Forensics and Security上。卓中流為第一作者，明尼蘇達大學雙城分校教授Zhi-li Zhang為共同作者，電子科技大學計算機科學與工程學院（網絡空間安全學院）教授張小松為論文通訊作者。

　　突發奇想：借用“基因檢測”算法

　　從“比特幣”到海外代購，跨境交流和貿易往來從未像今天這樣方便快捷，但是隨之而來的網絡犯罪、境外網絡詐騙等案件也如影隨形。暗網和僵尸網檢測成為現代社會網絡安全重要議題。

　　研究者們針對以上問題提出了一種新的解決思路——網站“指紋”識別。所謂網站“指紋”，指的是訪問該網站時發送和接收數據包產生的特有信道特征。但是這種技術目前距離“實戰”還有較大的距離，尤其是在面對網頁的“多級頁面跳轉”等問題時依然束手無策。如何進一步提高網站指紋識別的能力，卓中流發現了一個新方法。

　　2016年3月，卓中流無意間看到一篇SCI四區的論文，研究的是如何用“生物基因序列”來做應用識別。他隱約感到，既然都是用于“識別”，那么“生物基因序列”的方法很可能與網站指紋識別有一定的交集。

　　卓中流抓住了這個靈光乍現的念頭，此后的五個月里，他查詢了大量參考文獻和資料。由于在準備申請公派留學，他沒有太多時間去做實驗驗證，直到于2016年10月到美國明尼蘇達大學雙城分校，他才真正地開始深入研究。

　　在明尼蘇達大學雙城分校，卓中流師從Zhi-li Zhang開展研究工作。巧的是，在這里他再次接觸到了用“生物基因序列”來做“流量識別”的文章，這更加堅定了他的想法：生物基因序列的方法一定可以用來識別網站指紋。

　　克服阻礙：做一個修行的“苦行僧”

　　從2016年10月到2017年2月，卓中流只專注這一件事情。在這個過程中，他遇到的第一個難題就是，把“生物基因序列”方法用到網站指紋識別上的理論依據何在？經人指點之下，卓中流把目光投向生物醫學領域。

　　“查找文獻的過程還是很艱難的，因為我沒有太多生物學的知識，只能一點一點地查找關鍵的理論。”他說，自己從高中畢業后就沒有再摸過生物學的課本，沒想到這么多年后還要“朝花夕拾”。查詢了大量資料后，他將一些生物學的理論知識融入到論文當中。

　　打好了理論基礎只是研究的“前奏”，更加艱苦的工作其實還在后面。

　　卓中流完成初稿后，立即把論文投給了IEEE Transactions on Information Forensics and Security。投稿后，他其實已經作好了“大修”的準備。到了5月中旬，初審意見回復，審稿人建議卓中流補充實驗和數據以便更好地說明觀點，他立即按照意見進行修改。

　　補充實驗和數據的過程，卓中流簡直像是一個修行的“苦行僧”。他用網絡“爬蟲”訪問了1000多個網站，每個網站至少爬取20次以上；在幾萬次程序運行中，還要解決“網絡抖動”等問題。由于不同網站具有不同的結構，反饋的結果也大相徑庭，他需要不斷調整自己的程序運行規則。

　　有一次，程序運行到凌晨4點突發斷網，他趕緊從被窩里爬出來，去調整數據接口。這次之后，為避免再次出現這種情況，他在爬取網站時，每隔2個小時就去看看程序運行情況。后來，干脆在手機上專門裝了一個遠程控制軟件，可以實時監控程序運行情況，“連吃飯時都要時不時查看手機”。

　　終成正果：交叉學科帶來的大效果

　　經過了無數個日夜的“修行”，卓中流把經過大修大補之后的論文發了出去，翹首以盼。最終論文順利發表在了IEEE Transactions on Information Forensics and Security上，它是中國計算機學會推薦的網絡安全方向僅有的三個A類頂級期刊之一，這無疑讓卓中流感到所有的辛苦付出都有了回報。

　　卓中流將“基因檢測”算法運用于網站“指紋”識別的一閃靈光，取得了意想不到的效果。在有背景噪聲的情況下，采用傳統的解決方案，網站的流量特征識別率會變低，無法完全反映流量特征。而卓中流在論文中給出了一個識別更加穩定的算法，能夠更好地匹配網站的流量特征。

　　同時，傳統的解決方法都只是在某個網頁的超鏈接構建網頁指紋，而卓中流的方法能夠把多個網頁的超鏈接結合起來，構建一個更長、更詳細的網站指紋，實現了從部分到整體的飛躍。這就相當于基因測序工作從“單個基因檢測”一下子躍升到了“人類基因組測序”，因此，它能更加真實地顯現用戶的訪問路徑。

　　據了解，這項流量特征識別技術除了能在網站指紋方面進行使用外，同樣能用于對病毒的防護，因為它可以給病毒建立特征序列和“基因圖譜”，從而能夠很高效地撕下電腦病毒的偽裝，防止病毒“蒙混過關”。未來，這種方法還可能在網絡攻防中有所建樹，尤其是隨著互聯網已經越來越深入地滲透到社會的方方面面，這項技術也會在我們的生活中起到越來越重要的作用。

　　“交叉學科研究確實讓人受益匪淺！”卓中流說，以開放的態度吸收借鑒其他領域的智慧，可以讓我們有更加寬廣的學術視野，讓我們的思維變得更加“活”起來。