admin 管理员组

文章数量: 1184232

加密流量分类-论文2：Deep Packet: A Novel Approach For Encrypted Traffic Classification Using Deep Learning

  • 0、摘要
  • 1、介绍
  • 2、相关工作
  • 3、深度学习背景
    • 3.1 自编码器（Autoencoder，AE）
    • 3.2 卷积神经网络(Convolutional Neural Network, CNN)
  • 4、方法
    • 4.1 数据集
    • 4.2 预处理
    • 4.3 网络架构
  • 5、实验
  • 6、总结

0、摘要

  论文提出的方案称为“深度包”(deep packet)，可以处理网络流量分类为主要类别(如FTP和P2P)的流量表征，以及需要终端用户应用程序(如BitTorrent和Skype)识别的应用程序识别。与现有的大多数方法不同，深度报文不仅可以识别加密流量，还可以区分VPN网络流量和非VPN网络流量。网络架构基于CNN与SAE，能同时进行应用识别与流量类型的分类任务。

1、介绍

  准确的流量分类已成为提供适当的服务质量(quality of service, QoS)、异常检测等高级网络管理任务的先决条件之一。流量分类在与网络管理相关的学术界和工业界都引起了极大的兴趣。

  本文贡献：

  • 在Deep Packet中，不需要专家来提取与网络流量相关的特征。这种方法省去了查找和提取特征的繁琐步骤。（只要是基于DL的方法都能做到这一点）
  • Deep Packet可以在两个粒度级别(应用程序识别和流量表征)上识别流量，并获得最先进的结果。
  • 深度数据包可以准确地分类最难的一类应用程序，已知是P2P。

2、相关工作

  等于是一个综述，概览了之前流量分类的一些方法以及它的适用性与优缺点。可以参考论文解读1

  • Port-based approach（基于端口）：提取过程简单，端口号不受加密方案的影响。然而，端口混淆、网络地址转换(NAT)、端口转发、协议嵌入和端口随机分配的普遍存在大大降低了这种方法的准确性，目前已经不适用。
  • Payload Inspection Techniques（基于有效载荷）:即深度包检测（DPI

本文标签： 流量 论文 Packet deep Approach

版权声明：本文标题：加密流量分类-论文2：Deep Packet: A Novel Approach For Encrypted Traffic Classification Using Deep Learning 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1763631334a3256338.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。