基于堆栈式自动编码器的加密流量识别方法

被引:22
作者
王攀 [1 ]
陈雪娇 [2 ]
机构
[1] 南京邮电大学现代邮政学院
[2] 南京信息职业技术学院通信学院
关键词
加密流量识别; 深度学习; 堆栈式自动编码器; 流量分类; 多层感知机; 卷积神经网络;
D O I
10.19678/j.issn.1000-3428.0052059
中图分类号
TP393.06 []; TN762 [编码器];
学科分类号
摘要
基于浅层机器学习的加密流量识别方法准确率偏低,在特征提取和选择方面耗时耗力。为此,提出一种基于堆栈式自动编码器(SAE)的加密流量识别方法。该方法利用SAE的无监督特性及在数据降维等方面的优势,结合多层感知机(MLP)的有监督分类学习,实现对加密应用流量的准确识别。考虑到样本数据集的类别不平衡性对分类精度的影响,采用SMOTE过抽样方法对不平衡数据集进行处理。实验结果表明,该方法各项性能指标均优于MLP加密流量识别方法,识别精确度和召回率以及F1-Score均可达到99%。
引用
收藏
页码:140 / 147+153 +153
页数:9
相关论文
共 5 条
[1]   马尔科夫模型在网络流量分类中的应用与研究 [J].
赵英 ;
韩春昊 .
计算机工程, 2018, 44 (05) :291-295
[2]   基于深度卷积神经网络的网络流量分类方法 [J].
王勇 ;
周慧怡 ;
俸皓 ;
叶苗 ;
柯文龙 .
通信学报 , 2018, (01) :14-23
[3]   网络应用流类别不平衡环境下的SSL加密应用流识别关键技术 [J].
陈雪娇 ;
王攀 ;
刘世栋 .
电信科学, 2015, 31 (12) :91-97
[4]   基于载荷特征的加密流量快速识别方法 [J].
陈伟 ;
胡磊 ;
杨龙 .
计算机工程, 2012, 38 (12) :22-25
[5]   A multilevel taxonomy and requirements for an optimal traffic-classification model [J].
Khalife, Jawad ;
Hajjar, Amjad ;
Diaz-Verdejo, Jesus .
INTERNATIONAL JOURNAL OF NETWORK MANAGEMENT, 2014, 24 (02) :101-120