基于多任务特征学习的网络加密流量识别算法
2021-07-06缪志敏李晨溪钱明远
计算机技术与发展 2021年6期
关键词:特征
孟 娟,孟 鹏,缪志敏,李晨溪,钱明远
(1.解放军31108部队,江苏 南京 210016;2.湖北科技学院,湖北 咸宁 437000;3.解放军陆军工程大学,江苏 南京 210007)
0 引 言
随着互联网加密协议应用越来越广泛,网络加密流量的识别问题日益引起人们的重视。网络加密流量的有效识别,对保护用户信息,监管非法数据,检测网络攻击,维护网络安全有着重要意义。
尽管网络加密流量识别问题属于网络流量识别的子问题,但是传统的网络流量识别方法,如基于端口匹配识别、深度包检测、深入流检测等难以直接应用于网络加密流量识别中。目前对网络加密流量识别问题的研究多针对特定的加密协议,利用加密协议建立连接阶段的明文特征,通过特征码匹配来完成识别,或者利用加密协议建立连接阶段的报文指纹特征,如特定的报文长度、到达时间等来完成识别[1-7]。这些识别方法均针对某种特定的加密协议,并未给出一种通用的网络加密流量识别方法。
尽管网络流量的具体加密协议细节各不相同,但好的加密算法的一个最基本的要求是要保证算法是安全的。算法的安全性体现在算法数学基础的稳健性、算法的抗攻击性、算法的相对强度和算法输出序列的随机性。其中前3项因算法结构的种类而异,而利用统计检测原理来检测算法输出序列是否随机,只关心输入输出,在这种情况下,算法的具体结构是被忽略的,因此,可以通过网络流量的随机性特征来识别网络加密流量。……
登录APP查看全文
