冷 涛

(1.四川警察学院计算机科学与技术系,四川 泸州 646000;2.刑事检验四川省高校重点实验室(四川警察学院),四川 泸州 646000)

0 引 言

网络流量识别和分类是网络行为分析、异常检测等领域研究的重点[1]。为保护用户数据隐私，互联网上的很多流量被加密。以往基于深度包检测、机器学习的方法在面对加密流量时，准确率大幅下降，网络流量负载内容被加密后，无法通过解析包的内容进行分析。深度学习采用端到端学习技术，可自动提取特征，并且网络流可视为图片从而采用卷积神经网络算法，也可将网络流视为字节序列从而采用递归神经网络算法。近年来学者们探索利用深度学习自动提取流量特征与分类加密流量取得大量的研究成果。本文主要的研究工作如下：1)结合流量来源和目标进行分类；2)综述数据处理的多种技术，包含数据预处理、数据集不平衡处理、数据标签的处理等问题；3)总结基于深度学习的加密流量分类模型，对比各类网络结构；4)简述评估方案和发展方向。

1 加密流量分类

为了保护个人隐私，越来越多的网络应用采用加密协议进行传输，这给网络流量的分类带来挑战。本章主要对加密流量的定义、加密流量的分类进行介绍。

1.1 加密流量定义

根据ISO协议层的不同，流量加密分为应用层加密、传输层加密、网络层加密和网络接口层加密。应用层加密是网络应用实现专用的加密传输协议，例如SSH、Skype。传输层加密以TLS为代表，网络层加密采用IPSec，传输层和网络层加密都会对其上层所有数据进行加密，网络接口层加密如L2TP，VPN隧道技术就采用了上述加密技术[2-3]。……