基于ML的加密流量分类用于识别不同的社交媒体应用

最新推荐文章于 2024-07-17 15:39:40 发布
最新推荐文章于 2024-07-17 15:39:40 发布
阅读量645 收藏 1
点赞数
分类专栏： 流量分类识别论文总结
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43360777/article/details/105026023
版权

目的：分类应用Facebook, YouTube, Skype, WhatsApp, and Netflix。识别不同的社交媒体应用。
特征选择对比：ReliefF (RF), Sequential Floating Forward Selection (SFFS), Sequential Floating Backward Selection (SFBS), Sequential Backward Selection (SBS), Sequential Forward Selection (SFS) and Binary Genetic Selection (BGS)
方法：MLP、C4.5、朴素贝叶斯、SVM对比。
特征：
在这里插入图片描述

论文复现并优化
关注
专栏目录
AI人工智能 Agent：在大数据处理中的应用
程序员光剑
07-12 686
在当今数字化时代，大数据已经成为各行各业不可或缺的资源。然而，随着数据量的指数级增长，传统的数据处理方法已经难以应对日益复杂的数据分析需求。在这种背景下，AI人工智能Agent作为一种新兴的技术解决方案，正在revolutionize大数据处理领域。AI Agent是一种能够自主学习、决策和执行任务的智能系统。它们结合了人工智能、机器学习和自动化技术，可以在复杂的大数据环境中进行高效的数据处理、分析和决策。
【AI大模型企业级应用开发实战】企业级应用集成AI大模型的架构，包括大模型概述、集成实践、技术架构设计及应用场景《AI大模型应用架构（ALLMA）白皮书》
程序员光剑
06-30 9243
随着大模型浪潮的兴起，生产力将发生质的变化，从而引发生产力和生产关系的重塑。随着模型能力的提升和使用成本的降低，基于大模型构建应用将成为主流趋势。然而，应用层能否与大模型高效交互，将成为产品方案探索效率和效果的关键因素。因此，在模型之上的工程架构中，必须构建一套完整的大模型交互管道（Interface），将应用层（Application） 和模型层（Model）进行串联，为诸如Prompt Engineering、Fine-Tuning和模型评估等关键环节提供全面支持，以实现产品方案探索的降本增效 ....
DeepPacket:使用深度学习的加密流量分类
05-08
PyTorch实施描述的方法 2017, Lotfollahi et al., Deep Packet: A Novel Approach For Encrypted Traffic Classification Using Deep Learning
流加密的分类
anmi5580的博客
12-31 135
命名空间为：System.Security.Cryptography种类：1、DESCryptoServiceProvider2、RC2CryptoServiceProvider3、RijindaelManaged4、TripleDesCryptoServiceProvider5、SymmetricAlgorithm(默认)SymmetricAlgorithm.Create()的种类(C...
如何在加密流量中通过行为分析识别潜在威胁
最新发布
图幻未来的博客
07-17 920
随着互联网的普及，网络安全已经成为一个全球性的挑战。加密技术作为一种有效的安全手段，已经被广泛应用于各种网络安全场景。然而，加密技术的应用也带来了一些新的安全问题。本文将探讨如何通过对加密流量中的行为进行分析，利用人工智能技术识别潜在的威胁。
加密流量分类-论文4Endtoend Encrypted Traffic Classification with One-dimensional Convolution Neural Networks
qq_45125356的博客
09-18 5731
此篇方法是第一个将端到端的方法应用到加密流量分类领域，使用数据集ISCX-VPN-NonVPN-2016数据集进行研究。依据ISO/OSI层的不同，加密技术可以分为应用层加密：应用程序在应用层实现自己的协议以实现数据的安全传输(如BitTorrent或Skype)，在一些论文中也称为常规加密。表示层加密网络层加密：如IPSec加密协议学习一下流量数据的预处理套路第一个端到端的基于神经网络的分类模型？1D-CNN结果简单，分类效果好，基于深度学习的方法在流量分类中有巨大潜力。
加密流量分类-论文8：An Encrypted Traffic Classification Method Combining Graph Convolutional Network and ...
qq_45125356的博客
10-13 1359
构造了一个k -最近邻(KNN)交通图来表示交通数据的结构，从流量结构和流量数据中学习特征表示，利用两层图卷积网络(GCN)架构进行流特征提取和加密流分类。进一步使用自动编码器学习流数据本身的表示，并将其集成到gcn学习的表示中，利用了GCN和自编码器的优点，在只需要少量标记数据的情况下就能获得较高的分类性能。Representation Delivery的创新，感觉这方面没有做相应的消融实验说不过去，毕竟创新点就是这个，不做消融实验怎么说明它一定是有效的捏。
加密流量分类-论文6：Learning to Classify A Flow-Based Relation Network for Encrypted Traffic Classification
qq_45125356的博客
10-02 1633
网络数据的不平衡性模型对真实数据的泛化能力模型对数据大小的过度依赖。加密技术虽然保护了互联网用户的自由、隐私和匿名性，但也用户避开了防火墙的检测，绕过了监控系统。攻击者通过加密恶意软件流量来匿名入侵和攻击系统。犯罪分子使用隐私增强工具(例如Tor)穿透黑暗网络，在那里他们可以购买毒品、武器和伪造的文件(如护照、驾照、提供合同杀手的媒体)来吸引客户.
"基于区块链的视频会议智能识别技术研究及应用
区块链：研究与应用3（2022）100066用于视频会议的基于DHT和区块链的智能识别Morteza Alizadeh*，KarlAndersson，OlovSchel'en计算机科学系，电气和空间工程，吕勒勒堡理工大学，SE-93187，瑞典吕勒堡A R T I C L E ...
异常检测与定位：LLM的火眼金睛
程序员光剑
05-02 153
在当今复杂多变的技术环境中，异常检测与定位已成为保障系统稳定性和安全性的关键环节。随着大语言模型（Large Language Models，LLMs）的快速发展，这些强大的AI工具正在revolutionize异常检测与定位的传统方法。本文将深入探讨LLM如何成为异常检测与定位领域的"火眼金睛"，为各行各业带来前所未有的精准度和效率。异常检测是指识别出与预期模式显著不同的数据点或事件的过程，而异常定位则进一步确定异常的具体位置和原因。
大数据算法简介及应用领域分析
# 1. 引言 ## 1.1 什么是大数据算法 大数据算法是指用于处理大规模数据的计算机算法。随着信息技术的快速...大数据算法在各个领域都有广泛的应用，如金融、健康医疗、零售、交通运输和社交媒体等。 ## 1.3 文章的
基于DPI和机器学习的加密流量类型识别研究.pdf
04-10
基于DPI和机器学习的加密流量类型识别研究 ,随着互联网全站加密流量不断飙升，如何通过有效技术手段，识别互联网中各种业务流量，区分不同服务提供差异 化保障，成为了运营商面临的新挑战。针 对 D P I深层数据包检测技术能够识别出具体应用，但无法识别加密流量，提出 了一种基于D PI技术和机器学刁结合的加密流量识别方法，通 过 D P I技术识别大多数已知特征的网络流量，减少机器 学习的计算量，再通过机器学习分析未知特征加密流量，并通过实验验证该方法能够弥补DPI技术的缺陷，提高识别率
基于卷积神经网络的复杂网络加密流量识别.pdf
04-10
通信中的流量识别工作将直接影响网络管理整体效率. 针对复杂网络中的加密流量识别问题,结合网络流 量与文本结构相似性,提出一种基于卷积神经网络的优化识别模型. 综合考虑数据包的多样性,对原始网络数据进 行预处理,以保证算法输入数据结构的一致性. 同时,算法增加卷积操作,以提高模型特征提取效率. 仿真结果表 明,提出的卷积神经网络模型在复杂网络环境中,加密流量的服务识别与应用识别都有较高准确率. 关键词:流量识别;复杂网络;加密;卷积神经网络;预处理;特征提取
加密流量分类-论文9：DarknetSec: A novel self-attentive deep learning method for darknet traffic.....
qq_45125356的博客
10-15 1854
提出了一种新的基于自注意力机制深度学习方法DarknetSec，用于暗网流量分类和应用识别；利用一维卷积神经网络(1D CNN)和双向长短期记忆网络(Bi- LSTM)从报文的有效载荷内容中捕获局部时空特征，集成自注意机制。此外，DarknetSec从有效载荷统计数据中提取侧通道特征，以增强其分类性能。为什么对侧通道特征提取用MLP，对内容特征提取用attention+CNN+LSTM？可不可以做排列组合，这些部件是否有改进或者说舍弃的必要，使得模型具有轻量性。
加密流量分类-论文10：Global-Aware Prototypical Network for Few-Shot Encrypted Traffic Classification
qq_45125356的博客
11-11 1522
现在大部分对于小样本学习的方法都是基于度量(metric learning)解决，但是这些方法只考虑到了流量的局部信息，故对最终的分类性能有一定影响本文提出的GP-Net，考虑负载序列的两个字节之间的关系，利用字节之中的关系聚合流量输入的全局信息少样本学习是元学习的在监督学习领域的应用，可以参考[link](Few-shot learning（少样本学习）入门 - 知乎 (zhihu.com))过去使用一维卷积神经网络作为编码器解码器提取流量特征的方法，如[RBRN](
【研究型论文】基于数据包特征的加密流量分类（中文论文）
一个努力生活的人的博客
10-13 1378
基于数据包特征的加密流量分类
加密流量分类-论文7：MEMG: Mobile Encrypted Traffic Classification With Markov Chains and Graph Neural Network
qq_45125356的博客
10-06 2027
本文提出了一种基于马尔可夫链和图神经网络(MEMG)的移动加密流量分类方法。我们利用马尔可夫链来挖掘流中隐藏的拓扑信息。然后在此基础上构建流图结构，在图的节点特征中加入流量的序列信息。我们还设计了一个基于图神经网络的分类器，从图中学习拓扑和顺序特征。分类器可以将图结构映射到嵌入空间中，并通过嵌入向量差对不同的图结构进行分类。依赖于统计特征：包级别的统计特征，包括接收和发送包数的平均值、最小值和最大值。TLS的时间分布、未加密的报头信息和流元数据为特征。
加密流量分类-论文12：Seeing Traffic Paths: Encrypted Traffic Classification With Path Signature Features
qq_45125356的博客
01-19 1504
本文提出了一种新的带路径签名的加密流分类方法——ETC-PS。首先用会话数据包长度序列构造流量路径来表示客户端和服务器之间的交互。然后进行路径变换，展示其结构，获得不同的信息。最后计算出多尺度路径特征作为一种显著特征来训练传统的机器学习分类器，实现了高鲁棒精度和低训练开销。参考[Path Signature笔记 - 知乎 (zhihu.com)](Path Signature笔记 - 知乎 (zhihu.com)缺陷：数据包填充技术会使得基于序列特征的方法失效。
加密流量分类-论文2：Deep Packet: A Novel Approach For Encrypted Traffic Classification Using Deep Learning
qq_45125356的博客
09-02 4425
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。
移动音视频流量识别：应用指纹与加密流量解析
这篇文章对移动应用流量识别领域提出了新的见解，特别是在处理音视频流量和加密流量方面。通过创建应用指纹，该方法有助于网络管理和服务质量提升，同时也为网络安全研究提供了新的工具和技术。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值