隐私保护的加密流量检测研究

张心语，张秉晟，孟泉润，任奎

隐私保护的加密流量检测研究

张心语，张秉晟，孟泉润，任奎

（浙江大学网络空间安全学院，浙江 杭州 310000）

现有的加密流量检测技术缺少对数据和模型的隐私性保护，不仅违反了隐私保护法律法规，而且会导致严重的敏感信息泄露。主要研究了基于梯度提升决策树（GBDT）算法的加密流量检测模型，结合差分隐私技术，设计并实现了一个隐私保护的加密流量检测系统。在CICIDS2017数据集下检测了DDoS攻击和端口扫描的恶意流量，并对系统性能进行测试。实验结果表明，当隐私预算取值为1时，两个数据集下流量识别准确率分别为91.7%和92.4%，并且模型的训练效率、预测效率较高，训练时间为5.16 s和5.59 s，仅是GBDT算法的2～3倍，预测时间与GBDT算法的预测时间相近，达到了系统安全性和可用性的平衡。

隐私保护；加密流量检测；梯度提升决策树；差分隐私

1 引言

随着互联网应用、物联网设备的日益发展和普及，大数据驱动的智能技术，如图像分类、推荐算法、语音识别、无人驾驶等推动社会信息化时代的变革。而大数据平台收集的数据通常包含用户的隐私和敏感信息，深入分析这些数据可能会导致用户隐私信息被挖掘和滥用，在大数据被合理利用的同时，如何保证数据安全和用户隐私，是政府、企业和个人面临的新的挑战。隐私保护的加密流量检测是一个重要研究方向。

“棱镜”计划和各类网络监控事件在全球范围内曝光，这使用户的隐私保护意识逐渐增强。……