检索结果-南通市图书馆

作者：王天棋甘肃政法大学

学位级别：硕士

随着网络覆盖面的不断扩大以及各类网络应用的不断发展,互联网已经成为我们日常生活中不可或缺的一部分。在互联网为我们的生活带来便利的同时,网络攻击也层出不穷。一些不法分子通过窃听网上通信获取个人信息,信息泄露风险不断增加。... 详细信息

随着网络覆盖面的不断扩大以及各类网络应用的不断发展,互联网已经成为我们日常生活中不可或缺的一部分。在互联网为我们的生活带来便利的同时,网络攻击也层出不穷。一些不法分子通过窃听网上通信获取个人信息,信息泄露风险不断增加。为了应对不法分子的破坏,tls、IPSec、SSH和VPN等加密技术被越来越多地使用,加密流量也随之产生。加密算法和方法的多样性使得网络流量的分类越来越困难。传统的流量分类方法已经不能满足对分类准确性的要求,加密流量分类已经成为运营商和服务提供商面临的主要挑战。本文旨在通过特征提取、数据预处理和模型构建来提高tls恶意加密流量识别的准确性,提出两个用于tls恶意加密流量识别的模型,解决了传统单一机器学习方法存在的泛化能力弱、特征单一以及难以获得大量标注样本、未标注样本利用不足、未知样本检测率低等问题。文章的主要工作概括如下:(1)针对传统的单一机器学习方法泛化能力弱,特征单一的问题,提出一种基于Stacking的tls恶意加密流量识别方法。本文通过对网络恶意和正常流量进行分析,提取其中具有显著区分度的特征,将其分为会话、握手和证书特征。在多特征条件下对恶意加密流量进行识别,发现特征种类的增加能显著提升识别效果。此外,本文选择合适的基学习器和元学习器构建Stacking集成模型,在公开数据集Datacon上进行训练,依据AUC,精确率,召回率,F1值进行评价。实验结果表明,Stacking模型的准确率优于其他算法并且漏报率低,更符合真实网络环境中tls恶意加密流量的识别。(2)针对tls恶意加密流量识别方法中获得大量标注样本困难,标记样本量少的问题,提出一种基于Fixmatch的tls恶意加密流量识别方法。该方法首先将网络流量转化为图片形式,将原始PCAP格式的流量数据以流为单位进行切分、填充、映射到灰度图中,然后根据Fixmatch模型中的弱增强和强增强方法对转换成图片的数据进行数据增强处理,最后对恶意加密流量进行分类。实验中,分别使用数据集CTU-Malware-Capture和USTC-TFC2016进行模型训练和测试,依据准确率、精确率、召回率、F1值这4个指标进行评价。实验结果表明,使用Fixmatch半监督模型分类效果显著优于其他半监督分类模型。此外,在极少标记样本量情况下,Fixmatch模型对tls恶意加密流量识别的优势更为明显。

关键词： tls流量协议分析 Stacking 半监督学习恶意流量识别 Fixmatch

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于半监督深度学习的网络恶意加密流量识别方法

引用

信息安全与通信保密 2023年第5期 88-98页

作者：王天棋丁要军甘肃政法大学甘肃兰州730070

针对tls恶意流量识别方法存在大量标记样本获取困难、无标记样本没有充分利用、模型对于未知样本识别率较低等问题,提出基于半监督深度学习的网络恶意加密流量识别方法。该方法能够利用大量未标记网络流量用于模型训练,提升分类模型的... 详细信息

针对tls恶意流量识别方法存在大量标记样本获取困难、无标记样本没有充分利用、模型对于未知样本识别率较低等问题,提出基于半监督深度学习的网络恶意加密流量识别方法。该方法能够利用大量未标记网络流量用于模型训练,提升分类模型的泛化能力。该方法首先借助网络流量图片化方法将原始流量PCAP转换为灰度图,然后借助FixMatch框架对实现少标记样本下恶意流量进行识别。在公开数据集CTU-Malware-Capture和USTCTFC2016上对模型训练和测试,结果表明:FixMatch模型在准确率、精确度、召回率和F1值这4个指标上均优于PseudoLabel、MixMatch和ICT方法。此外,在少标记样本量情况下,FixMatch模型对恶意加密流量的识别优势更为明显。

关键词： tls流量半监督学习恶意流量识别 FixMatch

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Stacking的网络恶意加密流量识别方法

引用

通信技术 2022年第7期55卷 935-942页

作者：王天棋丁要军甘肃政法大学甘肃兰州730070

随着加密流量的普遍应用,许多恶意软件开始隐藏在传输层安全协议(Transport Layer Security,tls)流量中传输恶意消息,对通信安全造成严重威胁,因此对tls恶意加密流量进行识别,对打击网络犯罪有着重要意义。通过对恶意和正常加密流量的... 详细信息

随着加密流量的普遍应用,许多恶意软件开始隐藏在传输层安全协议(Transport Layer Security,tls)流量中传输恶意消息,对通信安全造成严重威胁,因此对tls恶意加密流量进行识别,对打击网络犯罪有着重要意义。通过对恶意和正常加密流量的会话和协议进行分析,在传统会话统计特征的基础上,提取出握手特征和证书特征,在单一特征和多特征条件下对恶意加密流量进行识别,证明了多特征的方法能显著提升识别效果。此外,为解决单一的机器学习方法泛化能力弱的问题,提出了一种基于Stacking的网络恶意加密流量识别方法,所提模型分类ROC曲线下方的面积(Area Under Curve,AUC)和召回率分别达到99.7%和99.1%,在公开数据集上与XGBoost等其他4种算法对比证明,所提算法性能有明显提升。

关键词： tls流量协议分析 Stacking 恶意流量检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：