基于机器学习的加密流量的特征工程方法研究和系统设计

作者：郑玉谦; 陈晓璠

来源：网络安全技术与应用, 2021, (05): 36-39.

DOI：10.3969/j.issn.1009-6833.2021.05.020

• 安全套阶层/传输层安全协议
• 卷积神经网络
• 特征工程
• 随机森林

随着加密流量在网络传输中的应用越来越多,对加密流量的安全检测需求也日益增加。然而由于传统的入侵检测系统无法通过字符串匹配的方式检测加密流量的载荷信息,因此需要一种新的方法来解决这一问题。机器学习能够通过大量的数据发现内在的统计特性和规律,从而实现识别和分类。本文将机器学习应用在加密流量分类上,讨论了在特征工程过程中的两种方法和优化的方式,同时设计了一种基于机器学习的加密流量检测系统,使得从数据获取到模型生成能够以流水线的方式自动化生产。

• 单位
  南昌航空大学; 经济管理学院