基于低维二阶马尔可夫矩阵的加密流量分类方法OA北大核心CSTPCD
Encrypted traffic classification method based on Low-Dimensional Second-order Markov matrix
网络流量加密在增强了通信安全与隐私保护的同时,也为恶意流量检测带来了新的挑战.近年来随着机器学习在各领域成功应用,其也被应用于加密流量分类中,但传统特征提取方法可能会导致流量中重要信息丢失或无效信息冗余,阻碍了分类精度与效率的进一步提升.本文提出一种基于低维二阶马尔可夫矩阵的加密流量分类方法LDSM,用以筛选表征能力强的流量特征,从而优化模型分类效果.首先,提取加密流量中有效负载,根据其十六进制字符空间分布构建二阶马尔可夫矩阵;其次,通过计算状态…查看全部>>
Network traffic encryption enhances communication security and privacy protection,but also poses new challenges for malicious traffic detection.Machine learning has been successfully applied in various fields,including encrypted traffic classification.However,traditional feature extraction methods may cause important information loss or invalid information redundancy in traffic,which hinders the further improvement of classifi-cation accuracy and efficiency.…查看全部>>
郭昊;陈周国;刘智;冷涛;郭先超;张岩峰
西南石油大学计算机科学学院,成都 610500中国电子科技集团公司第三十研究所,成都 610041西南石油大学计算机科学学院,成都 610500四川警察学院智能警务四川省重点实验室,泸州 646000四川警察学院智能警务四川省重点实验室,泸州 646000四川警察学院智能警务四川省重点实验室,泸州 646000
计算机与自动化
加密流量机器学习马尔可夫基尼增益特征降维
Encrypted trafficMachine learningMarkovGini gainFeature dimensionality reduction
《四川大学学报（自然科学版）》 2024 (3)
30-37,8
智能警务四川省重点实验室资助项目(ZNJW2022KFQN003)
评论