CICFlowMeter 网络流量分析与特征提取工具使用指南
2026-02-06 05:42:01作者:段琳惟
CICFlowMeter(原名 ISCXFlowMeter)是一个开源的网络流量分析工具,能够从pcap文件中生成双向流量流(Biflows)并提取丰富的流量特征。该工具广泛应用于网络安全研究和异常检测领域,特别是在多个知名的网络安全数据集中发挥着重要作用。
项目概述
CICFlowMeter 是一个功能强大的网络流量流生成器,能够生成双向流量流,其中第一个数据包确定前向(源到目的地)和后向(目的地到源)方向,从而可以分别计算前向和后向方向的统计时间相关特征。该工具还支持从现有特征列表中选择特征、添加新特征以及控制流超时持续时间。
环境准备与依赖安装
安装 jnetpcap 本地仓库
CICFlowMeter 依赖于 jnetpcap 库进行网络数据包捕获和分析。在运行项目前需要先安装 jnetpcap 本地仓库:
# Linux 系统安装步骤
cd jnetpcap/linux/jnetpcap-1.4.r1425
mvn install:install-file -Dfile=jnetpcap.jar -DgroupId=org.jnetpcap -DartifactId=jnetpcap -Dversion=1.4.1 -Dpackaging=jar
# Windows 系统安装步骤
cd jnetpcap/win/jnetpcap-1.4.r1425
mvn install:install-file -Dfile=jnetpcap.jar -DgroupId=org.jnetpcap -DartifactId=jnetpcap -Dversion=1.4.1 -Dpackaging=jar
项目运行方式
使用 IntelliJ IDEA 运行
在 IntelliJ IDEA 中打开终端并执行以下命令:
# Linux 系统
sudo bash
./gradlew execute
# Windows 系统
gradlew execute
使用 Eclipse 运行
在 Eclipse 中运行项目需要进行以下配置:
- 右键点击
src/main/java/cic/cs/unb/ca/ifm/App.java - 选择
Run As->Run Configurations->Arguments - 在
VM arguments中添加:-Djava.library.path="jnetpcap/linux/jnetpcap-1.4.r1425" - 点击
Run运行
或者直接右键点击 App.java 选择 Run As -> Java Application
项目打包与分发
使用 Gradle 打包
# Linux 系统
./gradlew distZip
# Windows 系统
gradlew distZip
打包后的 ZIP 文件将生成在 build/distributions 目录下。
使用 Maven 打包
mvn package
使用 Maven 打包后,JAR 文件将生成在 target 目录中。
流量特征提取功能
CICFlowMeter 能够提取 80 多个网络流量特征,包括:
基本流量统计特征:
- 流持续时间(Flow duration)
- 前向/后向数据包总数
- 前向/后向数据包总长度
- 数据包长度统计(最小值、最大值、均值、标准差)
时间相关特征:
- 流字节/秒(Flow Bytes/s)
- 流数据包/秒(Flow Packets/s)
- 流内到达时间统计(IAT Mean, Std, Max, Min)
- 前向/后向 IAT 统计
协议标志特征:
- TCP 标志计数(FIN、SYN、RST、PSH、ACK、URG、CWR、ECE)
- 前向/后向 PSH 标志
- 前向/后向 URG 标志
高级流量特征:
- 下载/上传比率(down/Up Ratio)
- 平均数据包大小
- 子流统计
- 活动/空闲时间统计
- 初始窗口字节数
典型应用场景
网络安全研究
CICFlowMeter 广泛应用于多个网络安全数据集的分析,包括:
- Android 广告软件和通用恶意软件数据集(CICAAGM2017)
- 入侵检测系统数据集(CICIDS2017)
- Android 恶意软件数据集(CICAndMal2017)
- 分布式拒绝服务攻击数据集(CICDDoS2019)
异常检测
通过提取的丰富流量特征,研究人员可以:
- 训练机器学习模型进行网络异常检测
- 识别恶意流量模式
- 分析加密和VPN流量特征
- 进行TOR流量特征分析
技术特点
- 双向流生成:支持生成完整的双向流量流分析
- 特征可扩展:允许用户选择现有特征或添加新特征
- 超时控制:可自定义流超时持续时间
- 协议支持:全面支持TCP和UDP协议分析
- 跨平台:支持Linux和Windows操作系统
注意事项
- TCP 流通常在连接拆除时终止(通过FIN数据包)
- UDP 流通过流超时终止,超时值可以任意分配(例如TCP和UDP都为600秒)
- 运行需要相应的系统权限,Linux系统建议使用sudo
CICFlowMeter 作为一个成熟的网络流量分析工具,为网络安全研究人员提供了强大的流量特征提取能力,是进行网络异常检测和流量分析的重要工具。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0128- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
720
4.63 K
Ascend Extension for PyTorch
Python
594
745
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
424
374
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
986
977
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
884
128
deepin linux kernel
C
29
16
暂无简介
Dart
966
245
Oohos_react_native
React Native鸿蒙化仓库
C++
345
390
昇腾LLM分布式训练框架
Python
159
187
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.64 K
964