-
题名面向细粒度多网页浏览行为识别的报文级标注方法
- 1
-
-
作者
顾玥
陈力
李丹
高凯辉
-
机构
清华大学深圳国际研究生院
清华大学计算机科学与技术系
中关村实验室
-
出处
《通信学报》
北大核心
2025年第7期1-16,共16页
-
基金
国家重点研发计划基金资助项目(No.2022YFB3104900)
北京高校卓越青年科学家计划基金资助项目(No.JWZQ20240101008)。
-
文摘
针对多网页并发访问下混合加密流量中的细粒度多网页浏览行为识别难题,提出了一种基于报文间时序相关特征的报文级标注(PLL)方法。该方法通过结合一维卷积神经网络和多头注意力机制,学习同一网页中不同报文之间的局部和全局时序相关性特征,并采用一维转置卷积恢复特征至原始报文序列的长度,从而建立报文与其时序特征之间的精确对应关系。在此基础上,模型能够实现高精度的报文级标注,并进一步推断出用户浏览多个网页的时间信息,如各网页访问的起止时间与持续时间。实验结果表明,PLL对访问开始时间和持续时间的识别准确率分别达到了98%和97%,能够有效解决混合加密流量中多网页浏览行为识别的关键问题。
-
关键词
加密流量识别
多网页浏览行为识别
报文级标注
-
Keywords
encrypted traffic recognition
multi-webpage browsing behavior recognition
packet-level labeling
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
