基于人工蜂群算法的Tor流量在线识别方法

摘要：

Tor等匿名流量的分类与识别对运营商监管网络安全具有重要意义,但目前To r流量的分类检测技术普遍存在识别准确率低、缺乏实时性、无法有效处理高维数据等问题.为此,提出一种To r流量在线识别方法.通过搭建基于逻辑回归的深度神经网络,提取To r流量特征匹配度以实现特征增强,并使用人工蜂群机制代替梯度下降等常见迭代算法,得到流量分类及识别结果.在此基础上,构建一套实时流量检测工具应用于实际生产环境中.在公开Tor数据集上的实验结果表明,与逻辑回归、随机森林、KNN算法相比,该算法的精确率和召回率分别提高了10％～50％,相比梯度下降的迭代算法准确率提高了7％～8％.

关键词：Tor流量识别;网络流量分类;特征提取;网络流量分析;深度学习;人工蜂群算法;逻辑回归

所属期刊栏目：47

分类号：TP309(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFB0803203

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：129-135,143