针对TLS恶意流量问题的检测和分类研究
The Detection and Classification of TLS Malicious Traffic Problems作者机构：河北建筑工程学院信息工程学院河北张家口075000
出 版 物：《福建电脑》 (Journal of Fujian Computer)
年 卷 期：2024年第40卷第2期
页 面：70-72页
学科分类：0839[工学-网络空间安全] 08[工学]
摘 要：随着加密流量的快速增长,通过传统机器学习方法来对恶意TLS流量的识别与分类效果不好。为提高对恶意流量的识别效率,本文提出一种改进卷积神经网络与长短期记忆网络结合的恶意流量检测方法。实验结果显示,该方法在识别恶意TLS流量上的二分类的F1值为93.4,在多分类实验上平均准确率为84.87,具有较好的检测和分类效果。
维普期刊数据库
同方期刊数据库