郭 帅，苏 旸*

（1.武警工程大学密码工程学院，西安 710086；2.网络与信息安全武警部队重点实验室（武警工程大学），西安 710086）

（*通信作者电子邮箱suyang75@126.com）

0 引言

当前加密流量在网络中占据了越来越重要的地位。根据Netmarketshare 发布数据显示，截止到2019 年10 月全球使用HTTPS（Hyper Text Transfer Protocol over Secure sockets layer）加密的万维网（World Wide Web）流量比例已经超过90%；同时在2019 年12 月，谷歌宣称80%的Android 应用程序默认使用TLS（Transport Layer Security）加密所有流量，且这一比例还会随着时间的推移而继续增大。数据流量的加密已成必然的趋势，但在加密数据防护隐私的同时，也使得很多安全服务难以对各类加密流量进行检测，如深度包检测方法无法对加密的数据包进行辨别，入侵检测系统的安全服务也不再有效，这些情况给网络安全管理带来了很大的问题。为了解决这些问题，对网络上的加密流量进行分类识别已是首先要解决的问题。

在过去主要使用基于端口和基于签名的方法对网络中的加密流量进行分类：基于端口的分类是通过网络中数据包头部的端口号来确定服务，这种方式在过去简单、有效，但近年来随着临时端口和端口伪装等技术的出现，该方法已不再有效；基于签名的方法是把字节属性与已知签名进行匹配，这种方式只限于识别已知应用协议的签名，对未知的协议却无法识别，对于新出现的协议其适用性大幅降低。

当前主要使用机器学习和深度学习进行检测分类。本文也将使用卷积神经网络（Convolutional Neural Network，CNN）对数据流量进行分类，并且采用端到端的方式。……