白惠文,马雪婧,刘伟伟,刘光杰
(1. 南京理工大学自动化学院,江苏 南京 210094;2. 中国船舶重工集团第八研究院,江苏 南京 211153)
网络流量分类与识别技术是有效的网络规划、基于策略的流量管理、应用程序先验化和安全控制的前提和基础。近年来出现了一种新的混淆方式,该方式使用特殊的加密手段,隐藏自己的密钥协商和身份认证过程,无法获取其协议类型,把这种类型的流量称作全程加密流量,该流量在传输层就可以表现出近乎完全随机的字节特性,这种类型的协议无法通过类似于SSL的明文握手过程来进行识别,它们的TCP数据流是全密文的形式,普通的流量识别手段无法获取用户的任何行为信息,甚至协议类型都无从得知,称这一类型的协议为匿名协议,针对具有这种类型的典型应用,即Tor、Tunsafe和Psiphon3进行了研究,并使用深度神经网络对它们产生的流量类型进行了识别。
由于随机端口以及全程加密的手段,传统的基于端口[1-3]和深度包检测[4-7]的方法已经失效。ML(机器学习)的方法被已经广发的应用到网络流量分析中,但是其准确度依赖于所提取的特征,而基于深度学习的方法则不需要人为的提取特征,并且已经被陆续应用到加密流量的识别技术中并且取得了一定的研究成果。Aceto[8]等将许多深度学习方法与随机森林(RF)算法进行了比较,以显示性能上的差距。他们使用3个带有不同数量标签的移动数据集,这些深度学习方法在两个数据集上都优于RF。……