收藏本站
收藏 | 论文排版

多模态端到端加密网络流量识别系统设计与开发

林鹏  
【摘要】:近年来,随着网络技术的发展和互联网普及率的提升,全球范围内的网络流量呈爆炸性增长。同时,随着人们安全意识的提高,流量加密技术被广泛使用,以保护用户在交换网络信息时的隐私安全。然而,流量加密技术是一把双刃剑,它在保护用户隐私的同时,也增加了网络管理员进行合理网络分析的难度。此外,黑客也可通过加密信道进行网络通信来隐蔽其非法的网络攻击行为,使传统的防火墙技术更难准确地识别入侵。流量识别对维护网络安全和提升网络管理水平具有重要意义。如何在加密场景中对网络流量进行准确的识别,是目前亟需解决的难题。传统的基于端口号或有效载荷的流量识别方法不适用于使用动态端口和加密场景下的网络流量识别。虽然许多机器学习方法如马尔可夫链、随机森林等能对加密流量实现一定程度的识别,但其基于人工筛选的网络流量特征依赖先验知识,且会导致信息刻画不完整,从而影响识别的准确性。随着深度学习的出现,卷积神经网络等模型被广泛应用在网络数据包的字节端到端特征提取中,但是卷积神经网络对数据包字节间的相互关系捕捉能力较弱、表达网络流的能力有限。另外,目前大部分的流量识别方法方法都是使用单模态的信息作为输入,导致网络流量特征信息提取不够充分。为了克服以上问题,本文设计了一个多模态端到端的深度学习框架用于加密流量识别。具体而言,本文主要的贡献如下:1.针对传统单模态方法存在的网络流量特征信息提取不充分的问题,提出了一种多模态的训练框架。该框架基于人工提取特征和原始字节流去学习网络流量的隐藏特征信息,并结合两者的优势,从而达到更高的识别精度。2.针对经典卷积神经网络方法对数据包字节间的相互关系捕捉能力弱的问题,提出了一种基于多头自注意力机制的端到端建模方案。该方案采用了无监督的网络流量预训练策略,增强了模型对数据包的表示能力。3.针对实网部署时网络流量识别困难、管理不直观等问题,开发了一个网络异常检测系统。该系统集成了本文所提出的多模态端到端流量识别方法,能有效地对网络流量进行异常行为识别和展示,帮助网络管理员迅速掌握当前的网络安全态势。本文采用国家超级计算深圳中心的真实原始网络流量数据对本文所提出的模型进行了验证。实验表明所提出的模型较好结合了数据包字节和长度序列的优势,能准确地对加密网络流量进行识别,取得了比国际同类模型更好的的识别结果。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 蒋彤彤;尹魏昕;蔡冰;张琨;;基于层次时空特征与多头注意力的恶意加密流量识别[J];计算机工程;2021年07期
2 李洋;张慧;肖雪露;;基于深度报文检测和机器学习的加密流量识别方法[J];计算机产品与流通;2020年10期
3 潘吴斌;程光;郭晓军;黄顺翔;;网络加密流量识别研究综述及展望[J];通信学报;2016年09期
4 辛峰;於建华;;互联网流量识别技术的研究及实现[J];广东通信技术;2008年03期
5 孙裕康;;基于机器学习的网络流量识别方法研究[J];信息与电脑(理论版);2020年23期
6 郭宇斌;李航;丁建伟;;基于深度学习的加密流量识别研究综述及展望[J];通信技术;2021年09期
7 黄石平;;基于新型网络结构流量识别方法研究[J];电脑编程技巧与维护;2018年04期
8 苏星晔;徐方南;;对等网络流量识别技术研究[J];中国新通信;2017年05期
9 滕翠;;网络流量识别特征码自动提取系统分析[J];计算机光盘软件与应用;2014年19期
10 吉庆兵;陈江涛;潘炜;;基于深度学习的加密网络流量识别方法研究[J];通信技术;2021年01期
11 陈乾熙;;网络流量识别方法及比较研究[J];今日科苑;2015年08期
12 杨峰;马铭;;基于负载随机性的互联网络链路流量识别方法[J];计算机仿真;2021年11期
13 卢宛芝;丁要军;;基于半监督多视图特征协同训练的网络恶意流量识别方法[J];通信技术;2022年04期
14 童博;施俊;赵纯熙;;复杂网络环境下加密流量识别方法研究[J];邮电设计技术;2022年08期
15 曹诗敏;王娟;;特殊网络流量识别综述[J];电脑知识与技术;2018年17期
16 姜羽;华俊;胡静;宋铁成;刘世栋;郭经红;;电力信息通信网络流量识别技术研究[J];信息化研究;2015年01期
17 姚浩浩;陈晓军;王月领;严曲雅;左苗;;网络加密流量识别的趋势研究[J];信息技术与信息化;2022年08期
中国重要会议论文全文数据库 前20条
1 赵兴文;何娇丽;叶佳宁;马博文;杨旭涵;;网络流量识别方案探讨和研究展望[A];第十三届全国信号和智能信息处理与应用学术会议论文集[C];2019年
2 张鑫;马勇;曹鹏;;基于贝叶斯分类算法的木马程序流量识别方法[A];第27次全国计算机安全学术交流会论文集[C];2012年
3 喻东阳;陈宏伟;杨庄;;基于信任抽样的P2P流量识别[A];武汉机械设计与传动学会第21届学术年会论文集[C];2013年
4 张娜娜;;P2P流量识别方法研究[A];江苏省电子学会2010年学术年会论文集[C];2010年
5 蒋山青;程光;吴桦;;移动端加密视频广告流量识别的研究[A];2018中国信息通信大会论文摘要集[C];2018年
6 王波;周晓光;苏志远;;基于节点状态的P2P流量识别系统[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年
7 王波;周晓光;苏志远;;基于节点状态的P2P流量识别系统[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集(下册)[C];2008年
8 马永立;寿国础;胡怡红;钱宗珏;区海平;;新型网络流量识别分析系统及其性能评估[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年
9 杜建清;黄少君;杨家海;;网络测量协作柔性支撑平台[A];2009年全国开放式分布与并行计算机学术会议论文集(下册)[C];2009年
10 陈磊;;IP网络流量的识别与管理[A];中国通信学会信息通信网络技术委员会2009年年会论文集(上册)[C];2009年
11 叶玉莹;;核心素养下基于多模态理论的初中英语词汇教学探究[A];中小幼教师新时期第三届“教育教学与创新研究”论坛论文集(二)[C];2022年
12 肖肖;;《习近平治国方略:中国近五年》中中国国家形象的多模态话语分析[A];厦门大学外文学院第十四届研究生学术研讨会暨第四届外国语言文学博士论坛论文集[C];2021年
13 史丽娟;王萌铎;桑艺昱;张喆;续欣莹;;针对多模态数据的代价敏感堆栈宽度学习系统[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
14 王力;夏海轮;郭彩丽;;基于音视频融合的视频标题生成[A];第十五届全国信号和智能信息处理与应用学术会议论文集[C];2022年
15 皮涛;;基于多元读写能力培养的初中英语多模态写作教学模式探究[A];广东教育学会2021年度学术讨论会暨第十七届广东省中小学校长论坛论文选(二)[C];2021年
16 傅咏;;多模态初中英语综合语言运用课教学模式初探[A];广东教育学会2021年度学术讨论会暨第十七届广东省中小学校长论坛论文选(三)[C];2021年
17 杜晓;;多模态教学模式在高中英语词汇教学中的应用效果研究[A];2021教育科学网络研讨会论文集(七)[C];2021年
18 高于;苏伟伟;;探究高中英语阅读教学过程中多模态识读能力素养的培养[A];2021教育科学网络研讨年会论文集(上)[C];2021年
19 胡秀娟;王琳琳;;核心素养背景条件下的高中英语多模态阅读教学探究[A];2021教育科学网络研讨年会论文集(下)[C];2021年
20 纪莉莉;;刍议小学英语绘本阅读中的多模态教学[A];2021教育科学网络研讨年会论文集(上)[C];2021年
中国博士学位论文全文数据库 前20条
1 宫婧;基于支持向量机的P2P流量识别关键技术研究[D];南京邮电大学;2016年
2 卓中流;匿名网络追踪溯源关键技术研究[D];电子科技大学;2018年
3 林冠洲;网络流量识别关键技术研究[D];北京邮电大学;2011年
4 张剑;宽带接入网流量识别关键技术研究[D];北京邮电大学;2011年
5 田旭;互联网流量识别技术研究[D];北京邮电大学;2012年
6 吴敏;P2P网络流量控制管理若干关键技术研究[D];南京邮电大学;2011年
7 彭立志;基于机器学习的流量识别关键技术研究[D];哈尔滨工业大学;2015年
8 侯颖;网络流量测量与识别关键技术研究[D];解放军信息工程大学;2015年
9 李冰;VoIP和P2P IPTV流量的识别与测量研究[D];天津大学;2010年
10 赵博;网络加密流量的协议不相关在线识别技术研究[D];解放军信息工程大学;2012年
11 顾仁涛;光分组传送网络服务质量关键技术研究[D];北京邮电大学;2010年
12 韩祺祎;P2P网络监控与信任安全机制研究[D];电子科技大学;2016年
13 蒋一波;现代分布式工业监控系统中网络测量与控制关键技术的研究与应用[D];浙江工业大学;2008年
14 章荪;面向多模态社交数据的情感分析技术研究[D];南京信息工程大学;2022年
15 杨杨;适应开放环境的多模态学习技术[D];南京大学;2019年
16 郑超群;面向高效多媒体检索的多模态哈希方法研究[D];山东师范大学;2021年
17 赵维;基于多模态影像数据的脑网络研究[D];湖南师范大学;2019年
18 曹俊亮;水下滑翔机多模态运动控制与路径规划研究[D];上海交通大学;2016年
19 汪珊;局灶性皮质发育不良的临床和影像学分析及多模态术前评估的临床研究[D];浙江大学;2019年
20 卢洪阳;清醒小动物多模态脑光学成像技术及应用[D];上海交通大学;2016年
中国硕士学位论文全文数据库 前20条
1 林鹏;多模态端到端加密网络流量识别系统设计与开发[D];中国科学院大学(中国科学院深圳先进技术研究院);2022年
2 蒋彤彤;基于深度学习的加密流量识别技术研究与应用[D];南京理工大学;2021年
3 张波;基于流特征的加密流量识别技术研究[D];哈尔滨工业大学;2012年
4 朱轶凡;基于深度学习的网络流量识别方法的设计与实现[D];北京邮电大学;2021年
5 尹红珊;I2P匿名通信网络流量识别与分类[D];北京交通大学;2019年
6 谢羽茜;非平衡过采样方法及其在视频流量识别中的应用研究[D];济南大学;2019年
7 周芷璇;基于机器学习的移动流量识别与异常检测研究[D];电子科技大学;2019年
8 张至权;基于业务特征的资源控制技术研究[D];西安电子科技大学;2019年
9 郝晓娜;基于机器学习的即时通信流量识别[D];西安电子科技大学;2019年
10 王琳;基于混合方法的SSL VPN加密流量识别方法研究[D];西安电子科技大学;2019年
11 肖中奇;基于DPDK的流量识别系统的设计与实现[D];华中科技大学;2019年
12 徐军;基于SDN的应用感知多路径网络资源分配系统[D];北京邮电大学;2019年
13 郎瑶;高速环境下的音视频数据识别技术研究[D];哈尔滨工程大学;2019年
14 姜易;基于机器学习的大规模网络流量识别方法研究[D];沈阳工业大学;2019年
15 李旭航;基于XGBoost的SSH流量识别研究[D];哈尔滨理工大学;2019年
16 何杭松;基于Shadowsocks的流量识别研究[D];中国人民公安大学;2019年
17 方鹏;基于TCP流特征提取技术的网络流量识别应用研究[D];中国科学技术大学;2018年
18 李玎;基于深度学习的网络流量识别关键技术研究[D];战略支援部队信息工程大学;2018年
19 黄心昊;基于Spark流处理的实时网络应用流量识别研究[D];国防科学技术大学;2017年
20 王琳琳;面向移动恶意应用流量的非平衡识别方法研究[D];济南大学;2018年
中国重要报纸全文数据库 前4条
1 《网络世界》记者 边歆;控制“有害”的应用[N];网络世界;2011年
2 苏州大学跨文化研究中心 朱玲;探索多模态视角下的戏曲外译[N];中国社会科学报;2022年
3 记者 戴丽昕;共融机器人多模态转变成为发展趋势[N];上海科技报;2017年
4 记者 张建列 通讯员 冯春;深圳先进院研制出新一代多模态显微系统[N];广东科技报;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978