加密恶意流量检测及对抗综述
Detection and Countermeasure of Encrypted Malicious Traffic:A Survey作者机构:山东师范大学信息化工作办公室山东济南250014 广州大学网络空间安全学院广东广州510799 东北大学计算机科学与工程学院辽宁沈阳110169
出 版 物:《软件学报》 (Journal of Software)
年 卷 期:2024年第35卷第1期
页 面:333-355页
核心收录:
学科分类:08[工学] 0839[工学-网络空间安全] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(U20B2046) 广东省高校创新团队项目(2020KCXTD007) 广州市高校创新团队项目(202032854) 山东自然科学基金(ZR2020KF021)
主 题:加密流量 恶意流量检测 中间盒 可搜索加密 机器学习
摘 要:网络流量加密在保护企业数据和用户隐私的同时,也为恶意流量检测带来新的挑战.根据处理加密流量的方式不同,加密恶意流量检测可分为主动检测和被动检测.主动检测包括对流量解密后的检测和基于可搜索加密技术的检测,其研究重点是隐私安全的保障和检测效率的提升,主要分析可信执行环境和可控传输协议等保障措施的应用.被动检测是在用户无感知且不执行任何加密或解密操作的前提下,识别加密恶意流量的检测方法,其研究重点是特征的选择与构建,主要从侧信道特征、明文特征和原始流量等3类特征分析相关检测方法,给出有关模型的实验评估结论.最后,从混淆流量特征、干扰学习算法和隐藏相关信息等角度,分析加密恶意流量检测对抗研究的可实施性.