基于LSTM循环神经网络的恶意加密流量检测

• 作者: 张甲 江滨 邹源
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 网络安全 恶意软件 流量识别 循环神经网络 LSTM
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 安全技术
• 页码范围: 308-312
• 页数: 5页
• 分类号: TP393.08
• 字数: 4394字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.02.048

摘要

加密流量已经成为互联网中的主要流量,攻击者使用加密技术可以逃避传统的检测方法.在不对应用流量进行解密的情况下,网络管理者对传输内容进行深度包解析和恶意字符匹配进而检测恶意通信.针对该问题,在不对流量解密的情况下使用网络层的传输包序列和时间序列识别流量行为,使用过采样方法处理不平衡的黑白样本,基于LSTM循环神经网络建立检测模型.使用清华2017年-2018年边界网关的正常流量数据,在沙箱中采集恶意样本产生的流量数据进行检测实验,结果表明该模型能够较好地检测恶意软件的加密通信流量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张甲	清华大学网络科学与网络空间研究院	8	13	2.0	3.0
2	邹源	清华大学网络科学与网络空间研究院	1	0	0.0	0.0
3	江滨	清华大学网络科学与网络空间研究院	1	0	0.0	0.0