GBDT与LR融合模型在加密流量识别中的应用

摘要：

随着网络应用服务类型的多样化以及网络流量加密技术的不断发展,加密流量识别已经成为网络安全领域的一个重大挑战.传统的流量识别技术如深度包检测无法有效地识别加密流量,而基于机器学习理论的加密流量识别技术则表现出很好的效果.因此,本文提出一种融合梯度提升决策树算法(GBDT)与逻辑回归(LR)算法的加密流量分类模型,使用贝叶斯优化(BO)算法进行超参数调整,利用与时间相关的流特征对普通加密流量与VPN加密流量进行识别,实现了整体高于90％的流量识别准确度,与其他常用分类模型相比拥有更好的识别效果.

关键词：加密流量识别、梯度提升决策树、逻辑回归、流特征、贝叶斯优化

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家电网公司科技项目521304190004

在线出版日期：2020-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：93-98