admin管理员组文章数量:1130349
加密流量分类-论文2：Deep Packet: A Novel Approach For Encrypted Traffic Classification Using Deep Learning
- 0、摘要
- 1、介绍
- 2、相关工作
- 3、深度学习背景
-
- 3.1 自编码器（Autoencoder，AE）
- 3.2 卷积神经网络(Convolutional Neural Network, CNN)
- 4、方法
-
- 4.1 数据集
- 4.2 预处理
- 4.3 网络架构
- 5、实验
- 6、总结
0、摘要
论文提出的方案称为“深度包”(deep packet)，可以处理网络流量分类为主要类别(如FTP和P2P)的流量表征，以及需要终端用户应用程序(如BitTorrent和Skype)识别的应用程序识别。与现有的大多数方法不同，深度报文不仅可以识别加密流量，还可以区分VPN网络流量和非VPN网络流量。网络架构基于CNN与SAE，能同时进行应用识别与流量类型的分类任务。
1、介绍
准确的流量分类已成为提供适当的服务质量(quality of service, QoS)、异常检测等高级网络管理任务的先决条件之一。流量分类在与网络管理相关的学术界和工业界都引起了极大的兴趣。
本文贡献：
- 在Deep Packet中，不需要专家来提取与网络流量相关的特征。这种方法省去了查找和提取特征的繁琐步骤。（只要是基于DL的方法都能做到这一点）
- Deep Packet可以在两个粒度级别(应用程序识别和流量表征)上识别流量，并获得最先进的结果。
- 深度数据包可以准确地分类最难的一类应用程序，已知是P2P。
2、相关工作
等于是一个综述，概览了之前流量分类的一些方法以及它的适用性与优缺点。可以参考论文解读1
- Port-based approach（基于端口）：提取过程简单，端口号不受加密方案的影响。然而，端口混淆、网络地址转换(NAT)、端口转发、协议嵌入和端口随机分配的普遍存在大大降低了这种方法的准确性，目前已经不适用。
- Payload Inspection Techniques（基于有效载荷）:即深度包检测（DPI
加密流量分类-论文2：Deep Packet: A Novel Approach For Encrypted Traffic Classification Using Deep Learning
- 0、摘要
- 1、介绍
- 2、相关工作
- 3、深度学习背景
-
- 3.1 自编码器（Autoencoder，AE）
- 3.2 卷积神经网络(Convolutional Neural Network, CNN)
- 4、方法
-
- 4.1 数据集
- 4.2 预处理
- 4.3 网络架构
- 5、实验
- 6、总结
0、摘要
论文提出的方案称为“深度包”(deep packet)，可以处理网络流量分类为主要类别(如FTP和P2P)的流量表征，以及需要终端用户应用程序(如BitTorrent和Skype)识别的应用程序识别。与现有的大多数方法不同，深度报文不仅可以识别加密流量，还可以区分VPN网络流量和非VPN网络流量。网络架构基于CNN与SAE，能同时进行应用识别与流量类型的分类任务。
1、介绍
准确的流量分类已成为提供适当的服务质量(quality of service, QoS)、异常检测等高级网络管理任务的先决条件之一。流量分类在与网络管理相关的学术界和工业界都引起了极大的兴趣。
本文贡献：
- 在Deep Packet中，不需要专家来提取与网络流量相关的特征。这种方法省去了查找和提取特征的繁琐步骤。（只要是基于DL的方法都能做到这一点）
- Deep Packet可以在两个粒度级别(应用程序识别和流量表征)上识别流量，并获得最先进的结果。
- 深度数据包可以准确地分类最难的一类应用程序，已知是P2P。
2、相关工作
等于是一个综述，概览了之前流量分类的一些方法以及它的适用性与优缺点。可以参考论文解读1
- Port-based approach（基于端口）：提取过程简单，端口号不受加密方案的影响。然而，端口混淆、网络地址转换(NAT)、端口转发、协议嵌入和端口随机分配的普遍存在大大降低了这种方法的准确性，目前已经不适用。
- Payload Inspection Techniques（基于有效载荷）:即深度包检测（DPI
版权声明：本文标题：加密流量分类-论文2：Deep Packet: A Novel Approach For Encrypted Traffic Classification Using Deep Learning 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://it.en369.cn/jiaocheng/1763631330a2949712.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论