检索结果-内蒙古大学图书馆

软件学报 2022年第7期33卷 2683-2698页

作者：邹福泰俞汤达许文亮上海交通大学网络空间安全学院上海200240

近年来,随着网络加密技术的普及,使用网络加密技术的恶意攻击事件也在逐年增长,依赖于数据包内容的传统检测方法如今已经无法有效地应对隐藏在加密流量中的恶意软件攻击.为了能够应对不同协议下的加密恶意流量检测,提出了基于ProfileHM... 详细信息

近年来,随着网络加密技术的普及,使用网络加密技术的恶意攻击事件也在逐年增长,依赖于数据包内容的传统检测方法如今已经无法有效地应对隐藏在加密流量中的恶意软件攻击.为了能够应对不同协议下的加密恶意流量检测,提出了基于ProfileHMM的加密恶意流量检测算法.该方法利用生物信息学上的基因序列比对分析,通过匹配关键基因子序列,实现识别加密攻击流量的能力.通过使用开源数据集在不同条件下进行实验,结果表明了算法的有效性.此外,设计了两种规避检测的方法,通过实验验证了算法具有较好的抗规避检测的能力.与已有研究相比,该工作具有应用场景广泛以及检测准确率较高的特点,为基于加密流量的恶意软件检测研究领域提供了一种较为有效的解决方案.

关键词：恶意软件加密恶意流量检测隐马尔可夫模型基因序列

来源：评论

学校读者我要写书评

暂无评论

基于多粒度表征学习的加密恶意流量检测

引用

计算机学报 2023年第9期46卷 1888-1899页

作者：谷勇浩徐昊张晓青北京邮电大学计算机学院智能通信软件与多媒体北京市重点实验室北京100876 中山大学广东省信息安全技术重点实验室广州510275

现有加密恶意流量检测方法中,基于统计特征的方法存在特征提取依赖专家经验和特征之间相互独立的问题,基于原始输入的机器学习和深度学习方法存在信息不全、随机字段、单一粒度的问题,对加密流量交互行为的语义表征不足.为解决上述问题... 详细信息

现有加密恶意流量检测方法中,基于统计特征的方法存在特征提取依赖专家经验和特征之间相互独立的问题,基于原始输入的机器学习和深度学习方法存在信息不全、随机字段、单一粒度的问题,对加密流量交互行为的语义表征不足.为解决上述问题,本文提出一种基于多粒度表征学习的加密恶意流量检测方法MGREL(MultiGranularity REpresentation Learning).该方法将加密会话分为字段级和包级两个粒度分别处理.在字段级粒度中,基于词向量进行局部行为建模,提取握手报文并选取关键字段,缓解信息不全导致的语义缺失问题,将字段的字节值表示为词向量,同时增加报文类型与握手类型作为位置前缀,解决位置语义缺失的问题,采用Multi-head Attention计算字段间的交互,再通过Bi LSTM得到报文级语义;在包级粒度中,基于时空进行全局行为建模,提取包的时空状态信息并采用LSTM模型得到流级语义.将两个粒度下得到的局部行为语义和全局行为语义融合,得到加密流量的表征,解决单一粒度表征能力不足的问题.最后,通过对比实验验证本文所提方法MGREL在检测加密恶意流量方面表现最好.

关键词：加密恶意流量检测多粒度表征学习局部行为全局行为位置语义

来源：评论

学校读者我要写书评

暂无评论

加密恶意流量检测方法的研究与实现

加密恶意流量检测方法的研究与实现

引用

作者：徐昊北京邮电大学

学位级别：硕士

现有加密恶意流量检测方法中,基于统计特征的方法存在特征提取依赖专家经验和特征之间相互独立的问题,基于原始输入的机器学习和深度学习方法存在信息不全、随机字段、单一粒度的问题,对加密流量交互行为的语义表征不足。同时,在网络流... 详细信息

现有加密恶意流量检测方法中,基于统计特征的方法存在特征提取依赖专家经验和特征之间相互独立的问题,基于原始输入的机器学习和深度学习方法存在信息不全、随机字段、单一粒度的问题,对加密流量交互行为的语义表征不足。同时,在网络流量场景,随着攻防的升级,攻击方会尝试通过隐密、伪装等方式绕过模型检测,对抗攻击已经成了现在无法忽视的问题。本文根据加密恶意流量检测存在的两个问题,设计了新的加密恶意流量检测算法,同时验证了对抗攻击下模型鲁棒性,并设计实现了加密恶意流量检测系统。本文的主要内容如下:(1)针对加密流量通信过程进行有效表征学习问题,本文提出一种基于多粒度表征学习的加密恶意流量检测方法MGREL(Multi-Granularity REpresentation Learning)。该方法将加密会话分为字段级和包级两个粒度分别处理。在字段级粒度中,基于词向量进行局部行为建模,提取握手报文并选取关键字段,缓解信息不全导致的语义缺失问题,将字段的字节值表示为词向量,同时增加报文类型与握手类型作为位置前缀,解决位置语义缺失的问题,采用Multi-head Attention计算字段间的交互,再通过 BiLSTM(Bidirectional Long Short-Term Memory)得到报文级语义;在包级粒度中,基于时空进行全局行为建模,提取包的时空状态信息并采用LSTM(Long Short-Term Memory)模型得到流级语义。将两个粒度下得到的局部行为语义和全局行为语义融合,得到加密流量的表征,解决单一粒度表征能力不足的问题。最后,通过对比实验验证本文所提方法MGREL在检测加密恶意流量方面表现最好。(2)针对对抗攻击下模型鲁棒性研究问题,本文采用FGSM(Fast Gra-dient Sign Method)对抗攻击和 DeepFool 对抗攻击,对目前 SOTA(State-Of-The-Art)模型进行检测。本文从多个角度验证了对抗攻击的破坏性,1)相同攻击下,不同输入相同模型的鲁棒性;2)相同攻击下,相同输入不同模型的鲁棒性;3)对抗攻击下模型检测能力。最后通过验证,本文验证了对抗攻击对现有模型的破坏性,不同输入对对抗攻击的鲁棒性,不同模型结构对对抗攻击的鲁棒性。(3)本文依照所提出的加密恶意流量检测算法,完成加密恶意流量检测系统。其中包括检测部分与后台管理部分。加密流量检测部分包括流量采集、流量划分、特征提取、模型检测和结果展示,实现了从实时流量到检测结果的判断与分析,并进行了系统测试。

关键词：加密恶意流量检测多粒度表征学习局部行为对抗攻击 FGSM

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习的加密恶意流量检测方法

引用

计算机工程与应用 2022年第17期58卷 130-138页

作者：张稣荣陈博卜佑军路祥雨孙嘉中国人民解放军战略支援部队信息工程大学信息技术研究所郑州450000 郑州大学软件学院郑州450000

现有加密恶意流量检测方法需要利用大量准确标记的样本进行训练,以达到较好的检测效果。但在实际网络环境中,加密流量数据由于其内容不可见而难以进行正确标记。针对上述问题,提出了一种基于迁移学习的加密恶意流量检测方法,首次将基于I... 详细信息

现有加密恶意流量检测方法需要利用大量准确标记的样本进行训练,以达到较好的检测效果。但在实际网络环境中,加密流量数据由于其内容不可见而难以进行正确标记。针对上述问题,提出了一种基于迁移学习的加密恶意流量检测方法,首次将基于ImageNet数据集预训练的模型Efficientnet-B0,迁移到加密流量数据集上,保留其卷积层结构和参数,对全连接层进行替换和再训练,利用迁移学习的思想实现小样本条件下的高性能检测。该方法利用端到端的框架设计,能够直接从原始流量数据中提取特征并进行检测和细粒度分类,避免了繁杂的手动特征提取过程。实验结果表明,该方法对正常、恶意流量的二分类准确率能够达到99.87%,加密恶意流量细粒度分类准确率可达到98.88%,并且在训练集中各类流量样本数量减少到100条时,也能够达到96.35%的细粒度分类准确率。

关键词：加密恶意流量检测迁移学习 Efficientnet 小样本加密流量

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的加密恶意流量检测研究

基于深度学习的加密恶意流量检测研究

引用

作者：翟明芳战略支援部队信息工程大学

学位级别：硕士

互联网作为网络信息基础性设施,在社会生产、生活中发挥着无可替代的作用,越来越多的业务采用加密技术,以规避恶意篡改和隐私泄露问题。然而同时,网络上的非法攻击也通过加密流量承载,隐藏恶意企图,增加检测难度。传统的解密检测方法面... 详细信息

互联网作为网络信息基础性设施,在社会生产、生活中发挥着无可替代的作用,越来越多的业务采用加密技术,以规避恶意篡改和隐私泄露问题。然而同时,网络上的非法攻击也通过加密流量承载,隐藏恶意企图,增加检测难度。传统的解密检测方法面临隐私泄露的风险,检测开销巨大。本文依托于国家科技部重点研发计划“网络处理智能芯片”项目,立足深度学习算法,通过深度学习强大的特征学习能力自动捕捉藏匿于加密流量中的恶意流量特征,实现不解密条件下的加密恶意流量检测。首先,针对深度学习算法层次结构优化不够,算法与场景匹配不佳等影响检测精度的问题,构建两种典型的深度学习网络,即一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)。对两种深度学习算法在不同类型数据集上的检测效果、各自的网络层级结构以及切片数据集中最佳的切片维度等问题展开分析研讨,结果表明,两种算法在特征数据集和切片数据集上的检测精度分别达到97%和99%以上。同时,得出1D-CNN和LSTM均采用4层网络结构检测效果最好、且二者分别适用于特征数据集和切片数据集以及切片数据集中最佳切片维度为截取前100字节等六个方面结论,并利用群同态、算法结构原理以及协议帧格式等理论对结果进行定性剖析。其次,针对单一深度学习检测模型提取特征片面,不能完整反映原始流量信息的问题,提出一种基于1D-CNN与LSTM并行融合式加密恶意流量检测模型。应用第一个研究的结论,并行网络的两条支路中均采用4层网络结构,每条支路都面向原始流量提取特征,而后将1D-CNN提取的空间特征和LSTM提取的时序特征同时送给共同的全连接层进行特征融合,最终利用融合的特征进行加密的恶意流量检测。实验结果表明,并行融合式加密恶意流量检测模型在特征数据集和切片数据集两种类型数据集上的检测精度均在99%以上,不仅优于两种单一算法检测模型,而且优于两种算法串行连接的检测模型。最后,针对网络流量数据维度变化,而传统的深度学习算法只能处理定长输入这一问题,提出一种基于1D-CPP的加密恶意流量检测模型。改进空间金字塔池化机制,并引入1D-CNN,构建一维卷积金字塔池化(1D-CPP)检测模型,使之具备处理可变长输入的能力,从而在数据预处理过程中,减少数据切片或者特征提取的环节,实现直接对原始流量进行恶意流量检测。对包含不同数量池化核的一维卷积金字塔池化检测模型进行实验,结果表明,所提出的算法在多分类检测中平均检测精度高于1D-CNN检测模型2.4%,且检测精度随着金字塔池化核数量的增加而提升。

关键词：加密恶意流量检测深度学习 1D-CNN LSTM 金字塔池化

来源：评论

学校读者我要写书评

暂无评论

基于TextCNN的加密恶意流量检测方法

引用

广州大学学报（自然科学版） 2022年第1期21卷 1-9页

作者：杨彦召朱程威仇晶童咏昕中汽智创科技有限公司江苏南京211100 广州大学网络空间先进技术研究院广东广州510006 北京航空航天大学计算机学院北京100191

随着互联网技术的飞速发展,95%的流量使用SSL/TLS协议进行加密,其中隐藏着大量的恶意流量。由于网络流量体量大、加密数据的不可见性,使得如何在不解密的前提下,检测加密恶意流量的研究成为一个重要课题。现有的基于模式匹配的方法,无... 详细信息

随着互联网技术的飞速发展,95%的流量使用SSL/TLS协议进行加密,其中隐藏着大量的恶意流量。由于网络流量体量大、加密数据的不可见性,使得如何在不解密的前提下,检测加密恶意流量的研究成为一个重要课题。现有的基于模式匹配的方法,无法处理加密流量。基于统计特征和时序特征的方法,依赖专家经验,需要花费大量的时间,人工提取特征。文章将深度学习算法与加密恶意流量检测领域相结合,首先,对原始的网络流量进行切分、清洗、转换和修剪,变为统一长度的一维序列;然后,自定义TextCNN网络结构,通过多组一维卷积自动地从原始流量中提取上下文特征,并利用这些特征对流量进行分类。为了证明该方法的有效性,使用真实的网络流量样本进行实验,并与CNN、LSTM和GRU等网络模型进行对比。实验数据显示,文章提出的方法,在未知数据上具有较强的泛化能力,检测精度高,且误报率低。

关键词： SSL/TLS 恶意软件加密恶意流量检测深度学习 TextCNN

来源：评论

学校读者我要写书评

暂无评论

基于多层双向SRU与注意力模型的加密流量分类方法

引用

计算机工程 2022年第11期48卷 127-136页

作者：张稣荣卜佑军陈博孙重鑫王涵胡先君中国人民解放军战略支援部队信息工程大学信息技术研究所郑州450000 网络通信与安全紫金山实验室内生安全研究中心南京211100

基于传统循环神经网络的加密流量分类方法普遍存在并行性较差、模型运行效率较低等问题。为实现加密流量的快速准确分类,提出一种基于多层双向简单循环单元(SRU)与注意力(MLBSRU-A)模型的加密流量分类方法。将特征学习和分类统一到一个... 详细信息

基于传统循环神经网络的加密流量分类方法普遍存在并行性较差、模型运行效率较低等问题。为实现加密流量的快速准确分类,提出一种基于多层双向简单循环单元(SRU)与注意力(MLBSRU-A)模型的加密流量分类方法。将特征学习和分类统一到一个端到端模型中,利用SRU模型高度并行化的序列建模能力来提高整体运行效率。为了提升MLBSRU-A模型的分类精度,堆叠多层双向SRU网络使其自动地从原始流量中提取特征,并引入注意力机制为特征赋予不同的权重,从而提高重要特征之间的区分度。实验结果表明,在公开数据集ISCX VPN-nonVPN上,MLBSRU-A模型具有较高的分类精度和运行效率,与BGRUA模型相比,MLBSRU-A的细粒度分类准确率提高4.34%,训练时间减少55.38%,在USTC-TFC2016数据集上,MLBSRU-A模型对未知加密恶意流量的检测准确率达到99.50%,细粒度分类准确率为98.84%,其兼具对未知加密恶意流量的高精度检测能力以及对加密恶意流量的细粒度分类能力。

关键词：加密流量分类加密恶意流量检测简单循环单元注意力机制循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于数据包特征的加密流量分类

引用

广州大学学报（自然科学版） 2022年第2期21卷 60-66页

作者：杨彦召丁杰仇晶张光华中汽智创科技有限公司江苏南京211100 广州大学网络空间先进技术研究院广东广州510006 河北科技大学信息科学与工程学院河北石家庄050091

随着加密技术在网络应用中的广泛应用,如何在不侵犯用户隐私的情况下对加密流量进行分类成为新的挑战。文章提出了一种基于数据包的加密流量分类方法,这种方法不仅安全,而且可以有效防止恶意攻击流量。在流量传输过程中,每个数据包的任... 详细信息

随着加密技术在网络应用中的广泛应用,如何在不侵犯用户隐私的情况下对加密流量进行分类成为新的挑战。文章提出了一种基于数据包的加密流量分类方法,这种方法不仅安全,而且可以有效防止恶意攻击流量。在流量传输过程中,每个数据包的任务是不同的。有些数据包负责维护连接,有些负责数据交互。以往的研究忽略了数据包行为对流量分类的影响。基于数据包的方法旨在通过聚类算法来区分正常和恶意数据包对流量分类的影响,以识别加密的恶意流量。该方法使用公共流量数据集和实验室收集的流量数据集进行验证,并与其他2种方法进行比较,证明了基于数据包的加密流量分类方法的有效性。

关键词：恶意软件加密恶意流量检测数据包机器学习

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：