基于深度学习的Tor流量识别方法

• 作者: 张爱新 潘逸涵
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: Tor匿名通信技术 暗网 流量识别 深度学习
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 网络与系统
• 页码范围: 2982-2986
• 页数: 5页
• 分类号: TP393.08
• 字数: 4253字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2019.12.026

摘要

随着互联网技术的不断发展,网络的监管在维护网络安全中起着重要的作用,而Tor匿名通信技术的出现给网络监管带来了新的挑战.用户能够通过Tor隐藏自己的IP地址和身份信息,在暗网中进行各种非法活动和交易,因此有效识别Tor流量具有重要的研究意义.为了区分Tor流量与常规流量,基于深度学习技术提出了一种Tor流量的识别方法,并通过实验进行了验证.实验结果表明,该方法能够有效识别出Tor流量,且具有更高的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张爱新	上海交通大学电子信息与电气工程学院	28	146	7.0	11.0
2	潘逸涵	上海交通大学电子信息与电气工程学院	1	1	1.0	1.0