-
题名基于改进双向记忆残差网络的Tor流量分类研究
- 1
-
-
作者
唐妍
王恒
马自强
滕海龙
施若涵
张宁宁
-
机构
宁夏大学信息工程学院
宁夏“东数西算”人工智能与信息安全重点实验室(宁夏大学)
国家计算机网络应急技术处理协调中心宁夏分中心
-
出处
《信息安全研究》
北大核心
2025年第5期447-456,共10页
-
基金
宁夏回族自治区重点研发计划一般项目(2022BDE03008)
宁夏回族自治区重点研发计划引才专项(2021BEB04004,2021BEB04047)。
-
文摘
为了解决Tor链路加密的特性导致模型难以对Tor流量进行正确分类导致监管困难的问题,提出了一种基于改进双向记忆残差网络(convolutional block attention module-bidirectional memory residual neural network, CBAM-BiMRNet)的Tor流量分类方法.首先,采用SMOTETomek(SMOTE and tomek links)综合采样算法平衡数据集,使模型能够对各类流量数据进行充分学习.其次,采用CBAM为重要的特征赋予更大的权值,将1维卷积与双向长短期记忆模块结合起来,提取Tor流量数据的时间特征和局部空间特征.最后,通过添加恒等映射避免因模型层数的增加而出现的梯度消失和梯度爆炸现象,并且解决了网络退化问题.实验结果表明,在ISCXTor2016数据集上,该模型对Tor流量识别的准确率达到99.22%,对Tor流量应用服务类型分类的准确率达到93.10%,证明该模型能够有效地对Tor流量进行识别和分类.
-
关键词
Tor流量
残差网络
流量识别
综合采样
类别不平衡
-
Keywords
Tor traffic
residual network
traffic identification
integrated sampling
class imbalance
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
