吉庆兵，陈江涛，潘 炜

（1.中国电子科技集团公司第三十研究所，四川 成都 610041；2.西北工业大学网络空间安全学院，陕西 西安 710072；3.西北工业大学计算机学院，陕西 西安 710072）

0 引言

随着大众网络安全意识的稳步提升，对于数据保护的意识也愈加强烈。根据 Google 的报告，2019年10 月，Chrome 加载网页中启用加密的比例已经达到了95%[1]。对于特定类型的流量，加密甚至已成为法律的强制性要求，加密在保护隐私的同时也给网络安全带来了新的隐患。攻击者将加密作为隐藏活动的工具，加密流量给攻击者隐藏其命令与控制活动提供了可乘之机。在面临日益严重的网络安全威胁和攻击时，需要提出有效的识别方法。实现加密流量精细化管理，保障计算机和终端设备安全运行，维护健康绿色的网络环境。

1 相关研究

当前对于加密网络流识别的研究主要集中在机器学习相关的方法上。使用机器学习方法对网络流量进行解析时，按使用的机器学习算法不同可以分为传统机器学习算法（浅层学习）和深度学习[2]。传统机器学习算法对加密网络流量解析主要存在两个问题：一个是需要对待分类的报文人工设计一个可以普遍反映流量特征的特征集；另一个就是传统机器学习方法有很大的局限性，例如对复杂函数难以表示、容易陷入局部最优解等。由于以上两个原因，导致传统机器学习方法对加密网络流量解析的准确率不是很高。随着计算方法的发展和计算能力的提高，深度学习的引入可以有效解决机器学习设计特征的问题。……