基于深度学习的匿名协议流量识别技术研究

摘要

为了规避互联网中的各种审查设备,各类混淆协议的使用越来越广泛.其中,匿名协议的使用可以将通信过程完全加密,这给协议识别任务带来了巨大的挑战.为了提高对于匿名协议的分析能力,提出一种基于CNN(卷积神经网络)的针对完全加密流量的匿名协议识别方法.首先将一个窗口中的数据包序列(包括数据包长度、方向和传输层标记位序列3种元素)预处理为二维向量,并将二维向量中的每个值作为像素值,由此把二维向量转换为图像作为LeNet-5网络的输入来训练模型和识别目标流量.对由匿名协议流量和背景流量构成的数据集进行了实验,识别准确率可以达到96％以上.实验结果表明,所提出的方法可以有效地识别网络流量中具有完全加密功能的匿名协议.