基于多任务特征学习的网络加密流量识别算法

• 作者: 孟娟 孟鹏 缪志敏 李晨溪 钱明远
• 来源期刊: 计算机技术与发展
• 关键词: 加密流量识别 随机性 NIST检验 特征选择 多任务特征学习
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 网络与安全
• 页码范围: 112-117
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.06.020

摘要

加密数据流难以从其数据内容进行监管,但却是非法数据、敏感信息监管的重要对象.目前对加密数据流识别的研究大多依据特定的加密传输协议,主要通过端口匹配识别、深度包检测、深入流检测等来进行识别,这些方法实施的前提是加密协议已知,并未给出一种通用的加密数据流识别方法.对当前加密数据流识别技术进行了分析,分析加密数据流外在数据形式中所蕴含的内在属性信息,遵循"随机性特征——盲识别"的研究思路,研究一种通用的网络加密流量识别方法,利用加密流量的随机性特征,提出基于多任务特征学习的网络加密流量识别算法.该算法利用l2,1正则化项对一组相关任务进行联合特征学习.实验结果表明:该算法可有效识别网络加密流量,识别精度可达到80％以上.