基于卷积神经网络的加密流量识别方法

• 作者: 俞家辉 王攀 陈雪娇
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 流量识别 加密流量 深度学习 卷积神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 通信与电子
• 页码范围: 36-41
• 页数: 6页
• 分类号: TN915.05
• 字数: 3493字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2018.06.006

摘要

随着互联网及各种在线应用的快速增长,加密流量在网络传输中的比重越来越大,这给流量识别带来了巨大的挑战.文中提出一种基于CNN(卷积神经网络)的加密流量识别方法,相比传统的机器学习方法,CNN这一深度学习方法具有识别准确性高、无需人工选择特征的特点.文中选择ISCX数据集中的加密流量作为训练和测试样本,通过将流量样本预处理成为分组净荷字节矩阵(Packet Payload Byte Matrix),采用softmax做分类器,实现加密流量的识别和分类.实验表明,识别准确率可以达到98％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王攀	南京邮电大学现代邮政学院	46	289	8.0	16.0