基于联邦学习的加密流量分析研究OA

当今信息化时代背景下,加密流量呈爆炸式增长,其在保障了信息传输的安全性的同时,也给了不法分子可乘之机,对流量的分类、识别提出了前所未有的挑战,尽管传统的基于规则的识别方法和流级行为特征等方案能实现较高准确率的分类、识别,但在数据隐私和安全方面仍有待提升。着重研究基于联邦学习技术的网络加密流量识别系统,针对使用SSL/TLS进行加密的流量特征,提出了一种高效加密流量识别模型,主要通过特征提取和模型训练来实现对加密流量的准确分类,可以在不接触原始数据的前提下,进行信息共享和模型训练,通过加权平均策略获得准确的加密流量分析模型,有效监测夹杂在海量数据中的高危流量。在加密数据集上的实验有效验证了该方法的可行性。