基于一维残差卷积神经网络的Tor匿名网络流量识别模型设计

扫码查看

原文链接

万方数据
维普

中文摘要：针对现有匿名网络流量识别模型准确率低的问题,提出了一种基于一维残差卷积神经网络的Tor匿名网络流量识别模型.该模型根据网络流量各特征之间相互独立,无内在关联的特性,采用一维卷积进行特征提取,并采用最大池化筛选、保留关键特征,通过引入跳跃连接解决深层网络存在的退化问题,降低训练时梯度消失的风险,使得模型可进一步加深,提高识别准确率.实验结果表明,该模型优于常用的SVM、KNN、ResNet等对比模型,将Tor匿名网络流量识别准确率提高至98.87％,具体匿名应用类型识别准确率提高至96.14％.

外文标题：Design of Tor Anonymous Network Traffic Recognition Model Based on One-Dimensional Residual Convolutional Neural Network

作者：

冯松松、王斌君

展开 >

作者单位：

中国人民公安大学信息网络安全学院,北京 100038

关键词：

Tor 匿名网络暗网流量识别卷积神经网络

基金：

国家社会科学基金

项目编号：

20AZD114

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.17.001

现代计算机

中大控股

现代计算机

影响因子：0.292

ISSN：1007-1423

年,卷(期)：2022.28(17)

参考文献量1