深层卷积神经网络的暗网流量检测比较与改进

摘要

为研究大型深层卷积神经网络在多类别暗网流量检测领域的适用性，基于Resnet、Densenet与Xception网络进行分类性能比较。将3种模型在Darknet2020暗网数据集上进行验证，使用9.3万条Non-Tor数据、1 300条Tor数据、2.3万条Non-VPN数据及2.2万条VPN数据进行实验。结果表明，3种模型均能快速处理海量数据，且对Tor与Non-Tor流量的检测结果较好，F1值最高可达到0.91，但对VPN与Non-VPN的分类效果有待提高。选择在测试集上检测性能最好的Densenet网络，加入GRU网络提取时序特征进行改进后，总体分类精确率为83.4%，召回率为82.2%，检测性能得到进一步提高。

0 引言

随着网络技术的高速发展，人们的信息保护意识逐渐增强，匿名通信系统使得网络中的加密流量快速增长。然而，匿名通信系统在保护用户隐私的同时，也带来了新的安全隐患。一些不法