基于深度学习的加密流量分类与恶意行为识别研究

郑 思远
诺基亚通信系统技术（北京）有限公司浙江省分公司

摘要


随着HTTPS、TLS 1.3、QUIC、VPN、Tor等加密通信协议和匿名化技术的广泛使用，网络流量的内容可
见性不断降低，传统依赖端口号、明文载荷和规则匹配的流量识别方法逐渐难以适应复杂网络环境。在保障用户隐
私和通信安全的同时，加密流量也被恶意软件通信、僵尸网络控制、数据窃取、隐蔽隧道传输等攻击行为利用，给
网络安全监测、威胁发现和安全治理带来新的挑战。深度学习能够从流量统计特征、时序行为、包长序列、方向序
列、握手元数据和多模态特征中自动学习高维表征，为加密流量分类和恶意行为识别提供了新的技术路径。文章围
绕加密流量分类与恶意行为识别的技术基础、深度学习模型构建方法以及实践优化机制展开分析，重点讨论特征工
程、模型结构、训练评估、部署应用和安全治理之间的关系。

关键词


深度学习；加密流量分类；恶意行为识别；网络安全

全文:

PDF


参考


[1]王天棋，丁要军.基于半监督深度学习的网络恶

意加密流量识别方法[J].信息安全与通信保密，2023（5）：

88-98.

[2]陶洋，杜黎明，申婷婷.双分支多阶段时空特

征融合的加密流量分类方法[J].小型微型计算机系统，

2024，45（6）：1489-1495.

[3]刘亮，由健林，张磊.基于深度学习的SSL VPN

加密流量的分类识别[J].四川大学学报（自然科学版），

2023，60（6）：99-106.

[4]贺二路，吴向博，刘丽哲，等.基于深度学习的

网络基线与加密流量分类技术[J].网络空间安全科学学

报，2024，2（2）：76-85.

[5]吴显宗.基于深度学习的加密流量分类和入侵检

测研究[J].网络安全技术与应用，2023（10）：31-33.


Refbacks

  • 当前没有refback。