基于LightGBM和CNN的加密恶意流量识别技术研究

于少中; 赵蓓; 杜雪涛; 张晨; 常玲

doi:10.13992/j.cnki.tetas.2022.12.004

Chinese

您当前的位置：

首页 >

文章列表页 >

基于LightGBM和CNN的加密恶意流量识别技术研究

中国移动网络与信息安全专题 | 更新时间：2026-04-21

- 基于LightGBM和CNN的加密恶意流量识别技术研究
- 基于LightGBM和CNN的加密恶意流量识别技术研究
- 电信工程技术与标准化 2022年35卷第12期页码：20-26+68
- 作者机构：
  
  中国移动通信集团设计院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2022.12.004
  中图分类号： TP393.08;TP181
- 纸质出版：2022
- 稿件说明：
移动端阅览
于少中, 赵蓓, 杜雪涛, 等. 基于LightGBM和CNN的加密恶意流量识别技术研究[J]. 电信工程技术与标准化, 2022,35(12):20-26+68.

于少中, 赵蓓, 杜雪涛, et al. 基于LightGBM和CNN的加密恶意流量识别技术研究[J]. 2022, 35(12): 20-26+68.
于少中, 赵蓓, 杜雪涛, 等. 基于LightGBM和CNN的加密恶意流量识别技术研究[J]. 电信工程技术与标准化, 2022,35(12):20-26+68. DOI： 10.13992/j.cnki.tetas.2022.12.004.

于少中, 赵蓓, 杜雪涛, et al. 基于LightGBM和CNN的加密恶意流量识别技术研究[J]. 2022, 35(12): 20-26+68. DOI： 10.13992/j.cnki.tetas.2022.12.004.

摘要

由于现代网络通信协议架构具有一定的开放性，人们通过加密传输来避免攻击者截获明文负载。但这种隐蔽性也成为了攻击者隐藏恶意代码和渗透指令等行为的屏障，这对个人隐私和国家安全都会产生威胁。针对这种现象，本文基于连接四元组进行特征提取，以此满足统计分析算法所需的特征量。针对业界目前流行的对流量可读信息进行统计分析的不足，提出利用CNN算法对加密流量进行非语义层特征提取，将流量包数据转换为空间特征向量，提高原始信息的有效利用率。通过构建LightGBM模型对特征数据集进行模型训练，利用该模型直方图算法高效运算的特点解决了目前针对加密流量分析普遍存在的滞后性问题，同时实现对加密恶意流量的高效准确识别。

Abstract

关键词

Keywords

references

浏览量

164

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据

基于LightGBM和CNN的加密恶意流量识别技术研究

基于LightGBM和CNN的加密恶意流量识别技术研究

DOI：10.13992/j.cnki.tetas.2022.12.004

摘要

Abstract

关键词

Keywords

references