文献类型：期刊文章

作　　者：刘赟[1] 张位[1] 周阳[2,3]

LIU Yun;ZHANG Wei;ZHOU Yang(No.30 Institute of CETC,Chengdu Sichuan 610041,China;China Electronic Technology Cyber Security Co.Ltd.,Chengdu Sichuan 610041,China;Unit 95486 of PLA,Chengdu Sichuan 610041,China)

机构地区：[1]中国电子科技集团公司第三十研究所,四川成都610041 [2]中国电子科技网络信息安全有限公司,四川成都610041 [3]中国人民解放军95486部队,四川成都610041

出　　处：《通信技术》

基　　金：国家重点研发项目(2023YFB3107702)。

年　　份：2024

卷　　号：57

期　　号：9

起止页码：955-964

语　　种：中文

收录情况：JST、普通刊

摘　　要：流量分类在网络管理和网络空间安全中发挥着重要的作用。近年来随着加密技术在网络应用中的广泛使用,加密流量的产生对传统流量分类方法带来了挑战。针对加密流量分类,研究提出了一种基于连续上下行数据传输特征的加密流量分类方法。该方法将特征提取、特征选择和分类器集成到一个完整框架中,旨在通过学习不同加密应用在数据传输中的行为特征来完成分类,并首次将连续上下行数据传输特征用于加密流量分类域。使用自建环境中采集的加密流量作为数据集对该方法进行验证,在不依赖传输层安全性(Transport Layer Security,TLS)协议明文信息的条件下,实验结果优于基于流量负载特征的分类方法,分类的准确率达到了92.2%,表明了此方法的有效性。

关 键 词：加密流量分类  深度学习  特征提取 TRANSFORMER

分 类 号：TP393.0]