计算机工程

作者：蒋彤彤, 尹魏昕, 蔡冰, 张琨

单位：1. 南京理工大学 计算机科学与工程学院, 南京 210094;2. 国家计算机网络与信息安全管理中心江苏分中心 网络安全处, 南京 210019;3. 国家计算机网络与信息安全管理中心江苏分中心 技术保障处, 南京 210019

关键词：加密流量识别,多头注意力机制,恶意流量识别,卷积神经网络,长短时记忆网络

基金：江苏省研究生科研与实践创新计划（SJCX18_0149）；南京理工大学自主科研专项（1181060420）；南京理工大学横向课题（1191061083）。

为实现互联网全面加密环境下的恶意加密流量精确检测，针对传统识别方法较依赖专家经验且对加密流量特征的区分能力不强等问题，提出一种基于层次时空特征与多头注意力（HST-MHSA）模型的端到端恶意加密流量识别方法。基于流量层次结构，结合长短时记忆网络和TextCNN有效整合加密流量的多尺度局部特征和双层全局特征，并引入多头注意力机制进一步增强关键特征的区分度。在公开数据集CICAndMal2017上的实验结果表明，HST-MHSA模型的流量识别F1值相较基准模型最高提升了16.77个百分点，漏报率比HAST-Ⅱ和HABBiLSTM模型分别降低了3.19和2.18个百分点，说明其对恶意加密流量具有更强的表征和识别能力。

来源：2021年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第7期