-
题名基于图神经网络的强对抗流量分类方法
- 1
-
-
作者
蒋邦明
潘成胜
孔志翔
-
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学智能网络与信息系统研究院
南京理工大学自动化学院
-
出处
《计算机应用与软件》
北大核心
2025年第8期153-159,187,共8页
-
基金
国家自然科学基金重点项目(61931004)
国家自然科学基金项目(61801073)。
-
文摘
在强对抗通信环境下,数据包传输易出现损坏或丢失的情况,会大幅降低网络流量分类的可靠性。传统的分类方法在一定程度上解决了流量分类问题,但难以准确刻画强对抗通信条件下流量的分类特征。针对上述问题,提出一种基于图神经网络的强对抗网络流量分类方法。采用随机提取完整流量中的数据构成流的方式模拟数据包损坏或丢失的传输情况。利用图结构表示流量,采用三种不同方式作为图的顶点特征,将构成的图传入图神经网络进行分类。最后在真实的网络流量数据集进行实验,实验结果表明,所提出的方法在分类精度上优于现有方法,具有更强的稳定性。
-
关键词
强对抗
流量分类
图神经网络
真实网络流量
-
Keywords
Strong confrontation
Traffic classification
Graph neural network
Real network traffic
-
分类号
TP393.06
[自动化与计算机技术—计算机应用技术]
-
-
题名基于时空注意力的软件定义网络流量分类方法
- 2
-
-
作者
吴海银
潘成胜
孔志翔
-
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学智能网络与信息系统研究院
南京理工大学自动化学院
-
出处
《计算机应用与软件》
北大核心
2025年第6期141-148,217,共9页
-
基金
国家自然科学基金重点项目(61931004)。
-
文摘
5G、B6G等新兴技术推动网络规模不断增大,流量管控难度加大,SDN可实现网络流量的集中管控,但现有方法难以精确描述网络流量的时空特征,且算法收敛速度低。针对上述问题,提出一种基于时空注意力的软件定义网络流量分类方法,该模型由空间和时间特征提取两个组件构成,空间组件包含通道和空间注意力模块,时间组件由时间注意力模块和多层双向GRU堆叠组成,创新重构机制融合时空特征。仿真结果表明,该方法在分类性能上明显优于现有的基线方法,算法收敛速度快,且在不同类别的流量下均有较好的分类表现。
-
关键词
网络流量分类
空间特征
时间特征
重构
-
Keywords
Network traffic classification
Spatial characteristics
Temporal characteristics
Reconstruction
-
分类号
TP393.06
[自动化与计算机技术—计算机应用技术]
-
-
题名面向SSL VPN加密流量的识别方法
被引量：6
- 3
-
-
作者
王宇航
姜文刚
翟江涛
史正爽
-
机构
江苏科技大学电子信息学院
南京信息工程大学智能网络与信息系统研究院
爱丁堡大学信息学研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第1期143-151,共9页
-
基金
国家自然科学基金(61702235)。
-
文摘
SSLVPN流量常常被一些非法应用利用,来绕过防火墙等安全设施的检测。因此,对SSLVPN加密流量的有效识别对网络信息安全具有重要意义。针对此,提出了一种基于Bit级DPI和深度学习的SSLVPN加密流量识别方法,所提方法分为两个步骤:利用Bit级DPI指纹生成技术识别SSL流量,缩小识别范围;再利用基于注意力机制的改进的CNN网络流量识别模型识别SSLVPN流量。该方法不仅有效解决了传统SSL加密流量指纹识别方法存在的漏识别率较高的问题,同时改进后的深度学习模型能提取网络流量中具有非常显著性的细粒度的特征,从而更加有效地捕捉网络流量中存在的依赖性。实验结果表明,该方法较现有的模型对SSLVPN加密流量的识别效果提高了6%以上。
-
关键词
SSLVPN
指纹识别
深度学习
注意力机制
-
Keywords
SSL VPN
signature recognition
deep learning
attention mechanism
-
分类号
TP37
[自动化与计算机技术—计算机系统结构]
-
-
题名一种面向类别不平衡SSL VPN加密流量识别方法
被引量：3
- 4
-
-
作者
王宇航
姜文刚
翟江涛
王晰晨
戴伟东
张帆
-
机构
江苏科技大学电子信息学院
南京信息工程大学智能网络与信息系统研究院
重庆理工大学两江国际学院
-
出处
《计算机应用与软件》
北大核心
2023年第12期318-324,349,共8页
-
基金
国家自然科学基金项目(61702235)。
-
文摘
传统方法在处理不平衡的海量高维数据时存在特征提取困难、检测率低的问题。对此,提出一种先使用基于遗传染色体理论的数据合成过采样技术(NEDIL)平衡原始数据集,再利用基于注意力机制的双向GRU网络流量识别模型识别SSL VPN流量的方法。不仅解决了样本不平衡造成的模型拟合问题,同时能够增强关键特征的区分度,解决一般识别模型无法区分时间序列数据重要程度的差异性的问题。对比实验结果表明,该方法在公开的流量数据集上取得了比当前典型方法更好的识别精度,实现了整体高于92%的应用识别准确度。
-
关键词
SSL
VPN
不平衡数据集
过采样
深度学习
注意力机制
-
Keywords
SSL VPN
Unbalanced data set
Oversampling
Deep learning
Attention mechanism
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
