基于随机性特征的加密和压缩流量分类

摘要：

当网络传输数据应用加密或压缩算法后,其载荷数据均呈现出较强的随机性,利用现有的流量检测方法,很难将加密和压缩流量有效区分.针对上述问题,基于加密数据与压缩数据随机性的差异性特征,提出了ECF特征集,在不依赖网络传输协议、数据包头、压缩标识等信息的情况下,使用当前主流机器学习算法构建分类模型,实现了有效的加密和压缩流量分类.实验测试表明,本文方法在分类精度上优于现有分类方法,并且具有很好的泛化性和迁移性.

关键词：流量分类、加密流量、压缩流量、机器学习

所属期刊栏目：51

分类号：TP309.7(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省重大公益专项项目

在线出版日期：2022-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1375-1386