面向加密流量的社交软件用户行为识别

作     者：吴桦 王磊 黄瑞琪 程光 胡晓艳 Wu Hua;Wang Lei;Huang Ruiqi;Cheng Guang;Hu Xiaoyan

作者机构：东南大学网络空间安全学院南京211189 网络通信与安全紫金山实验室南京211111 网络空间国际治理研究基地(东南大学)南京211189 江苏省泛在网络安全工程研究中心(东南大学)南京211189 

基　　金：国家重点研发计划项目(2021YFB3101403) 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2024年第61卷第9期

页      码：2321-2333页

摘      要：随着智能终端和社交网络越来越融入人们的日常生活,针对社交软件的用户行为识别在网络管理、网络环境监管和市场调研等方面发挥越来越重要的作用.社交软件普遍使用端到端加密协议进行加密数据传输,现有方法通常提取加密数据的统计特征进行行为识别.但这些方法识别的性能不稳定且需要的数据量多,这些缺点影响了方法的实用性.提出了一种面向加密流量的社交软件用户行为识别方法.首先,从加密流量中识别出稳定的控制流数据,并提取控制服务数据分组负载长度序列.然后设计了2种神经网络模型,用于自动从控制流负载长度序列中提取特征,细粒度地识别用户行为.最后,以WhatsApp为例进行了实验,2种神经网络模型对WhatsApp用户行为的识别精准率、召回率和F1-score均超过96%.与类似工作的实验比较证明了该方法识别性能的稳定性,此外,该方法能够通过很少的控制流数据分组达到较高的识别精准率,对实时行为识别的研究具有重要的现实意义.

主 题 词：社交网络 用户行为 服务频次 控制流 长度序列 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7544/issn1000-1239.202330055

馆 藏 号：203124513...