首页|基于随机性特征的加密和压缩流量分类

基于随机性特征的加密和压缩流量分类

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
当网络传输数据应用加密或压缩算法后,其载荷数据均呈现出较强的随机性,利用现有的流量检测方法,很难将加密和压缩流量有效区分.针对上述问题,基于加密数据与压缩数据随机性的差异性特征,提出了ECF特征集,在不依赖网络传输协议、数据包头、压缩标识等信息的情况下,使用当前主流机器学习算法构建分类模型,实现了有效的加密和压缩流量分类.实验测试表明,本文方法在分类精度上优于现有分类方法,并且具有很好的泛化性和迁移性.
Encrypted and compressed traffic classification based on random feature set

李光松、李文清、李青

展开 >

信息工程大学 网络空间安全学院,郑州 450001

信息工程大学 信息系统工程学院,郑州 450001

流量分类 加密流量 压缩流量 机器学习

61521003201300210200

2021

10.13229/j.cnki.jdxbgxb20200314

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(4)
  • 6