| 基于卷积神经网络的加密流量识别方法 |
| CNN based entrypted traffic identification method |
| |
| DOI： |
| 中文关键词: 流量识别；加密流量；深度学习；卷积神经网络 |
| 英文关键词:traffic identification;encrypted traffic;deep learning;convolutional neural network |
| 基金项目:2017年江苏省高校优秀中青年教师和校长境外研修项目和江苏高校品牌专业建设工程（PPZY2015A092）资助项目 |
| 作者 | 单位 | | 陈雪娇 | 南京信息职业技术学院 通信学院，江苏 南京210023
戴顿大学 电子与计算机工程系，戴顿University of Dayton，Department of Electrical & Computer EngineeringDayton45469 | | 王攀 | 南京邮电大学 现代邮政学院，江苏 南京210003 | | 俞家辉 | 戴顿大学 电子与计算机工程系，戴顿University of Dayton，Department of Electrical & Computer EngineeringDayton45469 |
|
| 摘要点击次数: 2098 |
| 全文下载次数: 1084 |
| 中文摘要: |
| 随着互联网及各种在线应用的快速增长，加密流量在网络传输中的比重越来越大，这给流量识别带来了巨大的挑战。文中提出一种基于CNN（卷积神经网络）的加密流量识别方法，相比传统的机器学习方法，CNN这一深度学习方法具有识别准确性高、无需人工选择特征的特点。文中选择ISCX数据集中的加密流量作为训练和测试样本，通过将流量样本预处理成为分组净荷字节矩阵（Packet Payload Byte Matrix），采用softmax做分类器，实现加密流量的识别和分类。实验表明，识别准确率可以达到98%以上。 |
| 英文摘要: |
| With the rapid growth of Internet and online applications,the entrypted traffic has increased dramatically the difficulty of the network traffic identification.An encrypted traffic identification method based on convolutional neural network (CNN) is proposed.As the deep learning method,CNN has high identification accuracy and traffic features without manual selection compared with the traditional machine learning method.A ISCX encrypted traffic dataset is selected as the training and testing samples.The sample dataset is preprocessed to use Packet Payload Byte Matrix as the input of the neural network and use the Softmax classifier as the output.Experimental results show that the identification accuracy of the method can reach more than 98%. |
| 查看全文 查看/发表评论 下载PDF阅读器 |