基于侧信道特征的安全代理流量分类方法

• 作者: 高平 广晖 陈熹 李光松
• 来源期刊: 计算机工程
• 关键词: 安全代理 流量分类 机器学习 深度学习 深度包检测
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 网络空间安全|Cyberspace Security
• 页码范围: 140-148,156
• 页数: 10页
• 分类号: TP309
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0058954

摘要

安全代理被越来越多的互联网用户用于规避网络审查和访问受限资源,因此安全代理流量的分类对于网络安全和网络管理具有重要意义.为弥补深度包检测技术在过滤和识别不良信息上的不足,提高防火墙流量探测能力,提出一种安全代理流量分类方法.提取用于安全代理流量分类的侧信道特征,包括有效载荷长度序列、信号序列等,使用机器学习和深度学习算法对Shadowsocks、V2Ray、Freegate、Ultrasurf 4种被广泛使用的安全代理流量进行识别.实验结果表明,通过提取与有效载荷内容无关的侧信道特征进行分类,与MLP、LSMP等算法相比,该方法在准确率、F1值等性能方面均有提升.