一種基于下行控制信息的移動通信流量分類方法

劉曉勇，田宏峰，鄭崇輝

（1.國家無線電監(jiān)測中心檢測中心，北京 100041；2.電子工業(yè)出版社有限公司，北京 100036；3.中國科學院大學杭州高等研究院，浙江 杭州 310024）

0 引言

隨著移動互聯(lián)網業(yè)務的發(fā)展，智能終端的普及率不斷升高。截至2021年6月，我國網民規(guī)模達10.11億，互聯(lián)網普及率達71.6%，手機網民規(guī)模達10.07 億。網民使用手機上網的比例為99.6%[1]。運營商也不再僅僅承擔語音和簡單的數據業(yè)務，更多的流量壓力來自于繁雜多樣的互聯(lián)網業(yè)務。擴展數據流量，不僅僅局限于提升設備的性能，也需要業(yè)務層面的優(yōu)化[2]。網絡運營商需要逐步優(yōu)化網絡體系結構，以提升數據速率。在這種情況下，針對移動通信流量的識別并進行分析，是進行移動網絡特性研究和優(yōu)化的重要一步。

常規(guī)的移動通信流量識別方法主要基于網絡協(xié)議級或者基于應用層數據等信息來獲得關鍵字段和統(tǒng)計特征。在識別移動流量時，常規(guī)方法識別精度低且識別方法復雜，很難滿足網絡運營商或網絡管理員的流量分類需求。為了解決上述問題，本文采集4G LTE網絡中的DCI，使用3種機器學習模型和LSTM模型對移動通信流量進行識別、測試，并證明了使用DCI可以有效識別移動通信流量。

1 LTE架構

4G LTE的空口協(xié)議定義了邏輯信道、傳輸信道、物理信道。其中邏輯信道定義了傳輸的信息類型，傳輸信道定義了信息的傳輸方式，物理信道用于物理層具體信號的傳輸[3]。圖1為4G LTE中三類信道的對應關系。

圖1 4G LTE中三類信道的對應關系

圖1中的物理信道可以分為下行物理信道和上行物理信道，物理信道對應于一系列時頻資源的集合，需要承載來自高層的信息。下行物理信道共6種，分別為物理廣播信道（Physical Broadcast Channel，PBCH）、物理下行共享信道（Physical Downlink Shared Channel，PDSCH）、物理控制格式指示信道（Physical Control Format Indicator Channel，PCFICH）、物理HARQ指示信道（Physical Hybrid ARQ Indicator Channel，PHICH）、物理下行控制信道（Physical Downlink Control Channel，PDCCH）、物理多播信道（Physical Multicast Channel，PMCH）[4]。

本文對物理下行控制信道（PDCCH）所攜帶的下行控制信息（DCI）進行解碼，DCI包含一個或者多個UE的資源分配以及其他的控制信息，消息由基站以明文的形式發(fā)送，處于連接狀態(tài)的移動終端DCI包含以下調度信息。

（1）無線網絡臨時標識（Radio Network Temporary Identifier，RNTI）。

（2）資源塊（Resource Block，RB）。

（3）調制和編碼策略（Modulation and Coding Scheme，MCS）。

將DCI作為分類器的輸入，可以對處于連接狀態(tài)的移動終端上執(zhí)行的應用和服務進行分類。

DCI使用RNTI來指定目的地。RNTI是16 bit的標識符，用于在LTE單元中進行移動終端的尋址。RNTI可用于不同的功能，如系統(tǒng)廣播信息（SI-RNTI）、特定UE（P-RNTI）、執(zhí)行隨機訪問程序（RA-RNTI），并識別處于連接狀態(tài)的用戶，即小區(qū)無線網絡臨時標識（C-RNTI）。本文主要研究C-RNTI，它是在移動終端處于無線資源控制（RRC）連接狀態(tài)時臨時分配的標識。

C-RNTI可以是0x003D～0xFFF3范圍內的任意值。一旦C-RNTI分配到一個處于連接狀態(tài)的移動終端上，則定向到該移動終端的DCI使用C-RNTI發(fā)送，后者作為PDCCH的一部分，以明文的形式發(fā)送。因此，跟蹤C-RNTI就可以在無線單元內跟蹤特定的連接用戶。

2 系統(tǒng)模型

傳統(tǒng)的移動流量分類方法采用的特征取決于協(xié)議字段的差異，無法區(qū)別差別較小的協(xié)議特征[5]，性能較差。深度數據包檢測會遇到大量不包含特征信息的無效數據包，覆蓋率極低。

與傳統(tǒng)的移動流量分類方法不同，本文基于下行控制信道攜帶的DCI來進行分流量分類，主要包含以下三步：采集流量、解碼獲取DCI、訓練流量分類模型。

圖2 實驗框架流程

2.1 流量采集

本文采集了一個4G LTE小區(qū)的無線鏈路流量，獲取的流量包含小區(qū)內所有用戶的流量數據。在4G LTE的PDCCH中，每個移動終端由C-RNTI進行識別，C-RNTI無是線小區(qū)內移動終端的唯一標識。因此，本文使用C-RNTI區(qū)別本實驗用的手機與其他用戶的流量信息。本文只使用4G LTE網絡中的控制信息，所以并沒有采集并獲取其他用戶的隱私信息。

2.2 解碼獲取DCI

由LTE架構可知，基站通過PDCCH中攜帶的DCI將調度信息傳遞給處于連接狀態(tài)的移動終端。當用戶數據通過加密的專用通道（PDSCH/PDCCH）發(fā)送時，PDCCH是明文傳輸的，可以解碼。假定C-RNTI已經獲取，則可以通過DCI提取出移動終端業(yè)務所分配的資源塊數量、調制階數與調制碼率、傳輸塊大小等信息，這些信息可作為流量分類的特征值。

2.3 流量分類模型

本文選擇了三種機器學習算法，分別為支持向量機（Support Vector Machines，SVM）、K近鄰算法（K-Near Neighbor，KNN）、隨機森林算法（Random Forest，RF），以及一種深度學習算法，即長短期記憶算法（Long Short-Term Memory，LSTM）。

支持向量機是經典且高效的分類模型，基于統(tǒng)計學習的理論，其模型具有高泛化能力和極強的數學可解釋性，但一般也多用于解決二分類問題。

相比之下，通過K近鄰算法可以將未標記的數據歸類到與之最相近的、帶有標記的樣本數據所在的類，通過投票法可以獲取標簽。

隨機森林算法是Breiman于2001年提出的一種用于分類和預測的機器學習算法[6]，以Bagging算法和隨機空間算法為主。隨機森林算法具有較強的非線性模擬能力，且不容易出現過擬合現象。

LSTM網絡是一種特殊的遞歸神經網絡（RNN），能夠跟蹤輸入時間序列中的長期依賴信息，并擺脫RNN網絡中的梯度消失問題[7]。LSTM網絡具有學習長時間依賴信息的能力，是因為其特殊的結構能夠保存或者忘記關于狀態(tài)的整個序列，這使得LSTM適合處理具有長時間依賴性的時間序列。與傳統(tǒng)的RNN網絡不同，LSTM網絡增加了簡單的神經網絡層，使得LSTM網絡有能力通過門限來選通信息，可以刪除或者增加神經元狀態(tài)中的信息，從而保護和控制神經元的狀態(tài)。

3 實驗結果

本文的實驗采用軟件定義無線電（Software Defined Radio，SDR）設備獲取實時的電磁數據，并將電磁數據上傳至計算機進行解碼，從而獲取DCI；采用Ettus Research公司的USRP B210軟件無線電設備作為射頻前端，采用聯(lián)想的Y9000K筆記本電腦作為數據處理設備。

本文的實驗首先對電磁數據進行了長期的監(jiān)測和采集，收集了超過5 GB的DCI，其中包含了RB和MCS信息；然后在數據采集完成后丟棄了長度過短信號的跟蹤數據，這些長度過短的信號主要是由信令和流量導致的，在數據集中的占比不到總流量的2%；最后將數據集80%的數據作為訓練集，將數據集20%的數據作為測試集。

本文的實驗采用OWL開源軟件進行處理[8]，用于對LTE控制信道進行解碼，獲取被監(jiān)控基站的完整信息。OWL軟件非?？煽浚梢栽诹畠r的硬件上執(zhí)行，無須大量的計算，可以在一些常見的SDR設備（如BladeRF和USRP等）上運行。

本文的實驗分類目標主要是區(qū)分5種主流的手機應用，分別為QQ語音、QQ視頻、抖音、騰訊視頻、王者榮耀。

為了確定三種基準分類器算法的最優(yōu)參數，本文使用網格搜索對參數進行了調整，對最優(yōu)的模型參數進行了窮舉搜索，選擇性能最好的參數為最終參數，表1為三個分類器的最終參數。

表1 基準分類實驗算法參數設計

設M作為流量采集中獲得的總鏈接數；C-RNTI為每次會話的持續(xù)時間，令L=80 s；D是上行和下行鏈路的通信方向數，D=2；定義X為輸入數據集的M×L×D張量，每一列xm都包含著數據的跡線，分類器的估計函數為c:X→Y；Y為M×K的輸出矩陣，K表示區(qū)分的種類數量；行向量ym=c(xm)=[ym1,ym2,…,ymk]；在本文實驗中，K=5。

本文提出的基于LSTM網絡的算法選用三個全連接層，第一層有128個神經元，第二層有64個神經元，第三層有K個神經元和一個softmax激活函數產生最終輸出，最后輸出結果為ym。

本文使用F1得分（F1-score）、準確率（Accuracy）、精確率（Precision）和召回率（Recall）作為四種模型的評價標準。

在式（1）到式（4）中，TP表示預測為真，實際為真；TN表示預測為假，實際為假；FP表示預測為真，實際為假；FN表示預測為假，實際為真。

式中，F1得分越高，標識分類器模型越穩(wěn)定。實驗分類結果如表2所示。

表2 實驗分類結果

從表2可以看出，LSTM網絡比基準分類器的精確度高很多，在四類分類器中識別表現最好。

通過LSTM混淆矩陣（見圖3）可以深入了解其性能。LSTM混淆矩陣的行和列分別表示App的真實標簽和模型預測標簽，并對所有的結果都進行了歸一化。通過圖3可以看出，在App識別任務中，系統(tǒng)誤判主要發(fā)生在QQ語音和QQ視頻中，這是因為語音與視頻的流量模式具有相似之處，容易產生誤判；在其他三種業(yè)務中，可以得到非常高的精確度。

圖3 LSTM混淆矩陣

4 結束語

本文提出了一種算法，該算法允許在不侵犯用戶隱私的情況下，對移動通信用戶的應用流量進行高精確度的分類。通過解碼LTE的PDCCH攜帶的信息，可獲取其中的DCI，從而識別移動終端上執(zhí)行的應用程序。為此，本文建立了LSTM網絡分類模型，并與基準分類器進行了比較。實驗結果表明，LSTM網絡分類模型在流量分類精度方面優(yōu)于基準分類器。