计算机工程

作者：梁晓萌, 严明, 吴杰

单位：1. 复旦大学 计算机科学技术学院, 上海 200433;2. 教育部网络信息安全审计与监控工程研究中心, 上海 200433

关键词：Tor流量识别,网络流量分类,特征提取,网络流量分析,深度学习,人工蜂群算法,逻辑回归

基金：国家重点研发计划（2017YFB0803203）。

Tor等匿名流量的分类与识别对运营商监管网络安全具有重要意义，但目前Tor流量的分类检测技术普遍存在识别准确率低、缺乏实时性、无法有效处理高维数据等问题。为此，提出一种Tor流量在线识别方法。通过搭建基于逻辑回归的深度神经网络，提取Tor流量特征匹配度以实现特征增强，并使用人工蜂群机制代替梯度下降等常见迭代算法，得到流量分类及识别结果。在此基础上，构建一套实时流量检测工具应用于实际生产环境中。在公开Tor数据集上的实验结果表明，与逻辑回归、随机森林、KNN算法相比，该算法的精确率和召回率分别提高了10%~50%，相比梯度下降的迭代算法准确率提高了7%~8%。

来源：2021年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第11期