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.國家無線電監測中心檢測中心，北京 100041；2.電子工業出版社有限公司，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

隨著移動互聯網業務的發展，智能終端的普及率不斷升高。截至2021年6月，我國網民規模達10.11億，互聯網普及率達71.6%，手機網民規模達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務，更多的流量壓力來自于繁雜多樣的互聯網業務。擴展數據流量，不僅僅局限于提升設備的性能，也需要業務層面的優化[2]。網絡運營商需要逐步優化網絡體系結構，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化的重要一步。

常規的移動通信流量識別方法主要基于網絡協議級或者基于應用層數據等信息來獲得關鍵字段和統計特征。在識別移動流量時，常規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送，處于連接狀態的移動終端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的移動終端上執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，如系統廣播信息（SI-RNTI）、特定UE（P-RNTI）、執行隨機訪問程序（RA-RNTI），并識別處于連接狀態的用戶，即小區無線網絡臨時標識（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的移動終端上，則定向到該移動終端的DCI使用C-RNTI發送，后者作為PDCCH的一部分，以明文的形式發送。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 系統模型

傳統的移動流量分類方法采用的特征取決于協議字段的差異，無法區別差別較小的協議特征[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小區的無線鏈路流量，獲取的流量包含小區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無是線小區內移動終端的唯一標識。因此，本文使用C-RNTI區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的移動終端。當用戶數據通過加密的專用通道（PDSCH/PDCCH）發送時，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中的信息，從而保護和控制神經元的狀態。

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，獲取被監控基站的完整信息。OWL軟件非常可靠，可以在廉價的硬件上執行，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參數，本文使用網格搜索對參數進行了調整，對最優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，系統誤判主要發生在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于基準分類器。