基于卷积神经网络的加密流量识别方法

作者：陈雪娇; 王攀^*; 俞家辉

来源：南京邮电大学学报(自然科学版), 2018, 38(06): 36-41.

DOI：10.14132/j.cnki.1673-5439.2018.06.006

• 流量识别
• 加密流量
• 深度学习
• 卷积神经网络

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。

• 单位
  南京信息职业技术学院; 南京邮电大学