基于去噪动态窗循环神经网络的混淆网页流量识别方法
作者机构：南京理工大学自动化学院南京210094
基 金：国家重点研发计划(2021QY0700) 国家自然科学基金(U21B2003,62072250)
出 版 物：《网络空间安全科学学报》 (Journal of Cybersecurity)
年 卷 期：2024年第2卷第6期
页 码：98-109页
摘 要：对网页流量进行混淆是当前很多非法网络通联突破监管的常用手段,有效识别网页流量对网络安全空间的防护至关重要。在网络流量识别领域,深度学习技术已成为突破传统方法局限性、提高识别准确率的关键。提出一种基于去噪动态窗循环神经网络(Denoising Dynamic Window Recurrent Neural Network,DDWRNN)的混淆加密网页流量识别方法,旨在高效地识别经过混淆处理的加密网页流量。首先基于去噪自编码器(Denoising Autoencoder,DAE)的降噪和特征提取能力有效提取具有较强鲁棒性的流量深层次时空特征,其次通过设计的动态窗循环神经网络的多尺度动态时间窗口捕获流量在不同时间尺度上的动态特征。实验结果表明,混淆加密网页流量识别的平均准确率达到95.7%,与其他机器学习、深度学习方法相比,提出的混淆加密网页流量识别方法不仅在识别准确率上有所提升,而且在处理复杂的流量模式、适应动态变化的网络环境方面也展现出较强的能力。
主 题 词：混淆网页流量识别 加密流量 深度学习 去噪自编码器 循环神经网络
学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类]
D O I：10.20172/j.issn.2097-3136.240607
馆 藏 号：203157408...
