基于特征融合卷积神经网络的端到端加密流量分类
2021-09-26薛文龙郭志琦李梓杨
计算机工程与应用 2021年18期
薛文龙,于 炯,郭志琦,李梓杨
1.新疆大学 软件学院,乌鲁木齐830008
2.新疆大学 软件工程技术重点实验室,乌鲁木齐830008
3.新疆大学 信息科学与工程学院,乌鲁木齐830046
网络流量的准确分类是网络管理和网络空间安全中的一项重要任务,有助于网络的智能化运维和管理、网络质量服务保障和维护网络安全等。近年来,随着加密技术在网络应用中的广泛应用,流量加密已成为当今的标准做法。加密流量可以在一定程度上保护私人信息的机密性和完整性,但也给网络上的恶意行为提供了庇护。2015年,有21%的网站流量被加密,到了2019年,有超过80%的网站流量被加密,同比增长了90%以上。攻击者开始将网站的加密传输协议作为隐藏恶意行为的工具。2018年思科公司对超过40万的恶意软件进行了分析,发现其中有超过70%的恶意软件在通信时使用了加密。根据ISO/OSI层的不同,流量加密技术可以分为应用层加密,表示层加密和网络层加密[1]。应用层加密意味着应用程序使用自己的加密协议加密数据,在应用层中安全的传输数据,也称为常规加密。表示层加密和网络层加密意味着应用程序在这些层之上加密整个数据包,典型的技术是TLS和IPsec。一些隧道技术(例如VPN)就是基于这些技术,也被称为VPN隧道传输加密。特别是许多恶意软件利用TLS等加密技术对通信流量进行加密,以逃避防火墙和网络入侵检测系统的检测,给传统的流量分类方法带来了新的挑战[2]。
流量分类模型已被广泛应用于从大规模网络流量中自动识别异常流量。……
登录APP查看全文
