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 StartedRust0185
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
759
4.94 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
854
1.91 K
deepin linux kernel
C
32
16
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
674
1.32 K
Ascend Extension for PyTorch
Python
716
866
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
1.78 K
186
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
454
436
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++
1.07 K
1.09 K
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
991
598
暂无简介
Dart
1 K
259