每日论文：《CENTIME: A Direct Comprehensive Traffic Features Extraction for Encrypted Traffic Classificati

最新推荐文章于 2024-03-13 17:10:52 发布
最新推荐文章于 2024-03-13 17:10:52 发布
阅读量2.4k 收藏 3
点赞数 1
分类专栏： 流量分类论文 文章标签： 流量分类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/csdnliwenqi/article/details/119890816
版权
本文介绍了CENTIME框架，一种结合统计和原始流量特征的加密流量分类方法。通过AutoEncoder压缩统计特征，利用ResNet从原始流量中提取信息，再用全连接网络进行分类。实验表明，CENTIME在与六种最先进的方法比较中表现出色，特别是在流量文件统一大小和是否使用池化层方面。此外，t-SNE可视化显示综合特征能有效区分流量类别。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

每日论文：《CENTIME: A Direct Comprehensive Traffic Features Extraction for Encrypted Traffic Classification》

翻译：《CENTIME:一种用于加密流量分类的直接全面的流量特征提取方式》

Introduction（引入）

作者先引入两种加密流量分类常用的方法：

基于统计的方法 基于原始流量的方法
缺点 性能取决于选择的特征向量 分类器输入需统一流量大小，但这会使流量的整体提结果信息丢失
为何用该方法 基于统计的方法假设不同类型的流量具有独特的统计特征[1] 基于原始流量的方法使用DNN自动从网络流量中提取特征[2]
一些实现方法 用AutoEncoder对统计特征进行编码 用resNet从统一的流量提取信息

作者的思想：基于统计的方法和基于原始流量的方法相结合。用AutoEncoder对统计特征进行编码，然后用resNet从统一的流量提取信息，综合特征输入到全连接网络进行分类。

FrameWork（CENTIME框架）

作者提出的CENTIME框架：

1.数据预处理。（按会话session进行拆分，并匿名化：去掉IP、MAC等)

2.提取特征

  • resNet从原始流量提取特征，26个统计特征&#x

最低0.47元/天 解锁文章
加密流量分类论文1：CENTIME：针对加密流量分类的直接综合流量特征提取
m0_59080177的博客
12-21 2340
随着网络的快速发展，加密流量分类在保障网络服务质量和确保网络安全方面发挥着至关重要的作用。最近的研究表明，基于统计特征和原始流量会话的机器学习方法对于这项任务是有效的。然而，基于统计的方法的性能很大程度上取决于特征的质量。专家们需要为不同的加密流量分类任务设计不同的特征，这是耗时的。与此同时，基于原始流量的方法需要统一流量大小；这将导致丢失有关网络流量整体结构的信息；例如，我们不知道会话中第一个数据包到最后一个数据包的时间。本文提出了CENTIME，
CCF推荐网络流量分析分类论文汇总Network traffic analysis and classification
永远在奔跑的学习者
10-16 6867
Network traffic analysis and classification 为了开始流量分析和分类的研究课题，先调研相关学术会议论文，调查目前研究现状，从CCF推荐学术会议中搜集到了以下有关流量分类和流量分析的有关会议论文 A1-2019 INFOCOM 2019(IEEE Conference on Computer Communications)B类 A la...
加密流量分类-论文6：Learning to Classify A Flow-Based Relation Network for Encrypted Traffic Classification
qq_45125356的博客
10-02 2016
网络数据的不平衡性模型对真实数据的泛化能力模型对数据大小的过度依赖。加密技术虽然保护了互联网用户的自由、隐私和匿名性，但也用户避开了防火墙的检测，绕过了监控系统。攻击者通过加密恶意软件流量来匿名入侵和攻击系统。犯罪分子使用隐私增强工具(例如Tor)穿透黑暗网络，在那里他们可以购买毒品、武器和伪造的文件(如护照、驾照、提供合同杀手的媒体)来吸引客户.
加密流量分类torch实践2：CNN+LSTM模型训练与测试
qq_45125356的博客
03-09 5869
流量分类
【综述类论文】Machine Learning for Encrypted Malicious Traffic Detection（重要）
一个努力生活的人的博客
11-16 2994
一篇有关加密流量检测的综述
毕业设计：基于信息安全的恶意流量检测系统
最新发布
2301_79555157的博客
03-13 1830
毕业设计：基于信息安全的恶意流量检测系统通过网络爬取和自定义的数据集训练，实现了对恶意流量的有效识别和阻断。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，提供了一个具有挑战性和创新性的研究课题。无论您对深度学习技术保持浓厚兴趣，还是希望探索机器学习、算法或人工智能的领域的同学，能为您提供灵感和指导；
Centime_APIAutomation：自动化测试套件及验证
资源摘要信息:"Centime_APIAutomation是一个自动化API测试项目，它的目标是验证股票时间序列API的响应。本项目使用Python的pytest框架进行测试，支持详细的测试报告输出，并通过命令行进行控制。 首先，该项目通过...
Centime_APIAutomation
05-23
Centime_APIAutomation 测试用例 验证Symbol IBM的Dialy的股票时间序列API的响应。 -预期输出-元数据应包含Symbol-IBM 在美国时区验证IBM的Dialy的库存时间序列API的响应。-预期输出-元数据应包含TimeZone-美国/...
somme in letter:wtite with letter 以数字表示的金额-matlab开发
05-30
u=num2let(n,Dinar,centime,langage); n：您的号码示例：n=124.547 n必须<1000000000000000; 第纳尔是你的金钱例子 Dinar='Dollar'; centime 是你的 monnaie 示例 centime='Cent' 的百分之一语言必须为 1（英语）...
一种用于加密流分类的多模态深度学习框架A Novel Multimodal Deep Learning Framework for Encrypted Traffic Classification论文
JuGLe_的博客
04-16 1336
一种用于加密流分类的多模态深度学习框架论文阅读 PEAN模型是一种软件架构模式，它是基于Node.js和PostgreSQL的开发模式。PEAN模型中，P代表PostgreSQL数据库，E代表Express框架，A代表AngularJS前端框架，N代表Node.js，它们分别是构成PEAN模型的四个组成部分。PEAN框架使用原始字节和长度序列作为输入，并使用Self-Attention机制来学习 biflow 中网络数据包之间的深层关系。此外，引入了无监督的预训练，以增强PEAN表征网络数据包的能力。
【Paper Reading Note】Brief Introduction of Encrypted Traffic Classification Using PEAN
GalaxyerKw的博客
04-16 406
Brief Introduction of Encrypted Traffic Classification [Data Preprocessing-Oriented] [Essay Reading & Understanding Record] [2023.4] [Author : LWC]
【论文阅读】Deep Learning for Encrypted Traffic Classification: An Overview（深度学习方法进行加密流量分类综述）
airen的博客
04-11 2389
原文：Deep Learning for Encrypted Traffic Classification: An Overview Abstract 在abstract中，作者指出之前的基于端口号、DPI和经典的ML的流量分类方法在面对当下网络流量大面积加密的情况下准确率不高，接着介绍了本文的主要贡献：总结最近的DL模型在加密流量分类上的工作。最后，作者提出了几个目前在加密流量分类问题上面临的挑战。 1 INTRODUCTION 作者首先简要回顾流量分类问题上的各种方法： 基于端口：应用广泛，但准确率在
加密流量分类-论文4Endtoend Encrypted Traffic Classification with One-dimensional Convolution Neural Networks
qq_45125356的博客
09-18 6815
此篇方法是第一个将端到端的方法应用到加密流量分类领域，使用数据集ISCX-VPN-NonVPN-2016数据集进行研究。依据ISO/OSI层的不同，加密技术可以分为应用层加密：应用程序在应用层实现自己的协议以实现数据的安全传输(如BitTorrent或Skype)，在一些论文中也称为常规加密。表示层加密网络层加密：如IPSec加密协议学习一下流量数据的预处理套路第一个端到端的基于神经网络的分类模型？1D-CNN结果简单，分类效果好，基于深度学习的方法在流量分类中有巨大潜力。
加密流量分类-论文1：Deep Learning for Encrypted Traffic Classification: An Overview
qq_45125356的博客
08-30 6882
这是篇关于加密流量分类的综述，加密流量分类的入门之作，流量分类应用范围广泛，从isp的QoS提供和计费，到防火墙和入侵检测系统的安全应用。从最简单基于端口的、数据包检测到经典的机器学习方法，到由于深度学习的兴起，神经网络成为加密流量分类的主流。本文介绍了常用的深度学习方法及其在流量分类任务中的应用。然后讨论了开放的问题和它们的挑战。关键词：流量分类、深度学习、机器学习1.1 基于端口（port）的流量分类优点：简单。...
关于深度学习的网络流量分类论文整理（二）
caiguanhong的博客
11-29 7672
Paper：End-to-end Encrypted Traffic Classification with One-dimensional Convolution Neural Networks 论文：基于一维CNN的端到端的加密流置分类方法 论文下载：https://ieeexplore.ieee.org/document/8004872 代码下载：https://github.com/echowei/DeepTraffic 数据处理工具包使用方法：https://github.com/yungshen
ISCXTor2016数据集（Tor-nonTor dataset）介绍
热门推荐
wisemanchen的博客
01-01 1万+
ISCXTor2016数据集是UNB（University of New Brunswick）
网络安全数据集整理
三寸落木
01-09 8324
整理自一度苦于找数据集的我。开个坑整理一下公开数据集。 希望有一天能填平（大概）。本文大概会同步到zhihu。 1、数据集集合 Canadian Institute for Cybersecurity datasets 来自加拿大网络安全研究所整理的数据集，包含下列数据集： Android Malware dataset (InvesAndMal2019) DDoS dataset (CICDD...
加密流量分类-论文3：FS-Net: A Flow Sequence Network For Encrypted Traffic Classification
qq_45125356的博客
09-04 6725
FS-Net是一个端到端的分类模型，它从原始流中学习代表性特征，然后在一个统一的框架中对它们进行分类。采用多层编码器-解码器结构，可以深入挖掘流的潜在序列特征，并引入重构机制，提高特征的有效性。FS-Net是基于网络流量的应用分类，即应用识别。
Machine Learning for Encrypted Malware Traffic Classification
liveway6的博客
11-04 1848
Machine Learning for Encrypted Malware Traffic Classification: Accounting for Noisy Labels and Non-Stationarity–阅读笔记论文来源：2017 KDD 论文链接Abstract Introduction Background Algorithms Linear Regression Logi
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值