首页|隐私保护的加密流量检测研究

隐私保护的加密流量检测研究

Study on privacy preserving encrypted traffic detection

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
现有的加密流量检测技术缺少对数据和模型的隐私性保护,不仅违反了隐私保护法律法规,而且会导致严重的敏感信息泄露.主要研究了基于梯度提升决策树(GBDT)算法的加密流量检测模型,结合差分隐私技术,设计并实现了一个隐私保护的加密流量检测系统.在CICIDS2017数据集下检测了 DDoS攻击和端口扫描的恶意流量,并对系统性能进行测试.实验结果表明,当隐私预算ε取值为1时,两个数据集下流量识别准确率分别为91.7％和92.4％,并且模型的训练效率、预测效率较高,训练时间为5.16 s和5.59 s,仅是GBDT算法的2～3倍,预测时间与GBDT算法的预测时间相近,达到了系统安全性和可用性的平衡.

张心语、张秉晟、孟泉润、任奎

展开 >

浙江大学网络空间安全学院,浙江杭州310000

隐私保护 加密流量检测 梯度提升决策树 差分隐私

62032021617722362019C031332018R01005

2021

10.11959/j.issn.2096-109x.2021057

网络与信息安全学报
人民邮电出版社

网络与信息安全学报

CSTPCD
ISSN：2096-109X
年,卷(期)：2021.7(4)
  • 3
  • 2