基于深度学习的加密流量识别研究综述及展望

• 作者: 郭宇斌 李航 丁建伟
• 来源期刊: 通信技术
• 关键词: 加密流量 特征提取 深度学习 流量分类
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 综述|Technical Overview
• 页码范围: 2074-2079
• 页数: 6页
• 分类号: TP309
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2021.09.002

摘要

在安全和隐私保护需求的驱动下,网络通信加密化已经成为不可阻挡的趋势.加密网络流量呈现爆炸增长,给流量审计与网络空间治理带来了挑战.尽管机器学习已解决了部分加密流量识别的问题,但仍存在无法自动提取特征等局限.深度学习可以自动提取更本质、更有效的特征,已被用于加密流量识别,并取得了高精度.基于深度学习的加密流量识别的相关研究工作,提出基于深度学习的加密流量识别的框架,并通过数据集、特征构造和模型架构回顾部分研究工作,分析基于深度学习的加密流量识别面临的挑战.