-
公开(公告)号：CN113746707B
公开(公告)日：2022-02-15
申请号：CN202111311502.2
申请日：2021-11-08
申请人： 南京信息工程大学
IPC分类号： H04L43/026 , H04L41/14 , H04L41/142 , G06N3/08 , G06N3/04 , G06K9/62
摘要： 本发明公开了一种基于分类器及网络结构的加密流量分类方法，属于加密流量识别领域。步骤如下：S1、通过所述网络流量收集模块进行网络流量收集；S2、通过所述流量数据预处理模块进行流量数据预处理；S3、通过所述流量解析模块进行流量聚合；S4、再通过所述流量解析模块进行计算代价矩阵；S5、通过所述分类器训练及优化模块进行分类器的训练；S6、通过所述分类器训练及优化模块进行分类器优化。本发明在较短的训练时间内可以获得较高的性能，适用于类别不平衡的数据集和特征提取困难的加密流量分类识别。
-
公开(公告)号：CN113746707A
公开(公告)日：2021-12-03
申请号：CN202111311502.2
申请日：2021-11-08
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于分类器及网络结构的加密流量分类方法，属于加密流量识别领域。步骤如下：S1、通过所述网络流量收集模块进行网络流量收集；S2、通过所述流量数据预处理模块进行流量数据预处理；S3、通过所述流量解析模块进行流量聚合；S4、再通过所述流量解析模块进行计算代价矩阵；S5、通过所述分类器训练及优化模块进行分类器的训练；S6、通过所述分类器训练及优化模块进行分类器优化。本发明在较短的训练时间内可以获得较高的性能，适用于类别不平衡的数据集和特征提取困难的加密流量分类识别。
-
公开(公告)号：CN112910853A
公开(公告)日：2021-06-04
申请号：CN202110062223.0
申请日：2021-01-18
申请人： 南京信息工程大学
IPC分类号： H04L29/06 , H04L12/851 , G06N3/08 , G06N3/04 , G06K9/62
摘要： 本发明公开了一种基于混合特征的加密流量分类方法，包括以下步骤：数据集采集、数据预处理、搭建CNN模型、CNN自动提取特征、提取流级特征、组合特征、SVM输出分类结果。本发明分别从一维空间中提取出流的具体特征和从二维空间中提取出流的抽象特征，组成了混合特征，提升了特征结构的复杂性，有效的提高了加密流量分类的准确率。
-
公开(公告)号：CN111327631A
公开(公告)日：2020-06-23
申请号：CN202010143788.7
申请日：2020-03-04
申请人： 南京信息工程大学
IPC分类号： H04L29/06
摘要： 本发明公开了一种基于TCP和UDP的秘密信息传输方法及其系统，包括以下步骤：(1)建立隐信道；(2)对待发送的秘密信息明文B进行加密，生成组秘密信息密文S；(3)通过编码将秘密信息密文S嵌入到TCP和UDP发送窗口序列中，使之随着TCP和UDP数据包一起传输；(4)对已收的TCP和UDP报文序列进行反向解码和解密，得出秘密信息明文B。本发明在传输层协议TCP和UDP数据包的发送序列中引入信息编码技术来构建隐信道，对秘密信息的传输更加简便高效，不仅避免了给现有TCP连接信道带来额外的通信负荷，而且引入信息校验机制，进一步提高了秘密信息传输的隐蔽性和鲁棒性。
-
公开(公告)号：CN111817982B
公开(公告)日：2023-04-07
申请号：CN202010733979.9
申请日：2020-07-27
申请人： 南京信息工程大学
IPC分类号： H04L47/2441 , G06N3/126 , H04L47/2483 , G06F18/2431 , G06F18/214
摘要： 本发明公开了一种面向类别不平衡下的加密流量识别方法，步骤如下：S1、获取数据集；S2、平衡数据集：采用基于密度估计的改进SMOTE算法，对原始实验数据集进行处理；S3、数据预处理：读取数据流，截断数据，并进行归一化处理；S4、最优化特征集：通过变分自动编码器模型自动提取特征，通过网络流量来识别领域常用的特征，并利用基于树模型的特征选择法得到最优化特征集；S5、识别流量：将最优化特征集输入到基于遗传算法改进的随机森林CGA‑RF分类器算法，识别目的加密流量；S6、对获得的指标结果分析，优化加密流量识别方法。本发明识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号：CN111817982A
公开(公告)日：2020-10-23
申请号：CN202010733979.9
申请日：2020-07-27
申请人： 南京信息工程大学
IPC分类号： H04L12/851 , G06N3/12 , G06K9/62
摘要： 本发明公开了一种面向类别不平衡下的加密流量识别方法，步骤如下：S1、获取数据集；S2、平衡数据集：采用基于密度估计的改进SMOTE算法，对原始实验数据集进行处理；S3、数据预处理：读取数据流，截断数据，并进行归一化处理；S4、最优化特征集：通过变分自动编码器模型自动提取特征，通过网络流量来识别领域常用的特征，并利用基于树模型的特征选择法得到最优化特征集；S5、识别流量：将最优化特征集输入到基于遗传算法改进的随机森林CGA-RF分类器算法，识别目的加密流量；S6、对获得的指标结果分析，优化加密流量识别方法。本发明识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号：CN111385145A
公开(公告)日：2020-07-07
申请号：CN202010143787.2
申请日：2020-03-04
申请人： 南京信息工程大学
IPC分类号： H04L12/24 , H04L12/851 , H04L29/06 , G06K9/62
摘要： 本发明公开了一种一种基于集成学习的加密流量识别方法，其特征在于，包括以下步骤：(1)数据集采集；(2)数据预处理；(3)平衡数据集；(4)自动提取特征；(5)识别流量；(6)对获得的指标结果分析，并选取合适的参数，优化算法。本发明解决了由于样本类别不平衡造成模型欠拟合或过拟合的问题，识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号：CN111385145B
公开(公告)日：2023-04-25
申请号：CN202010143787.2
申请日：2020-03-04
申请人： 南京信息工程大学
IPC分类号： H04L9/40 , H04L43/0876 , H04L43/026 , H04L47/2483 , H04L47/2441
摘要： 本发明公开了一种一种基于集成学习的加密流量识别方法，其特征在于，包括以下步骤：(1)数据集采集；(2)数据预处理；(3)平衡数据集；(4)自动提取特征；(5)识别流量；(6)对获得的指标结果分析，并选取合适的参数，优化算法。本发明解决了由于样本类别不平衡造成模型欠拟合或过拟合的问题，识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号：CN114972836A
公开(公告)日：2022-08-30
申请号：CN202111580226.X
申请日：2022-06-14
申请人： 南京信息工程大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , H04L9/40
摘要： 本发明公开了一种多模块融合的加密流量分类方法，所述方法包括以下步骤：数据集采集、数据集预处理、自注意力模块设计、残差收缩模块设计、多模块融合的神经网络模型搭建、分类模型训练及评估。本发明将自注意力机制和深度残差收缩网络与深度学习模型相结合，有效提升了神经网络的特征提取和处理能力，使得部署于网络中的加密流量分类器精度得到提升。本发明方法可部署于网络出口处对进出网络的流量进行分类，以提高网络管理和安全防护能力。
-
公开(公告)号：CN111327631B
公开(公告)日：2022-04-26
申请号：CN202010143788.7
申请日：2020-03-04
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于TCP和UDP的秘密信息传输方法及其系统，包括以下步骤：(1)建立隐信道；(2)对待发送的秘密信息明文B进行加密，生成组秘密信息密文S；(3)通过编码将秘密信息密文S嵌入到TCP和UDP发送窗口序列中，使之随着TCP和UDP数据包一起传输；(4)对已收的TCP和UDP报文序列进行反向解码和解密，得出秘密信息明文B。本发明在传输层协议TCP和UDP数据包的发送序列中引入信息编码技术来构建隐信道，对秘密信息的传输更加简便高效，不仅避免了给现有TCP连接信道带来额外的通信负荷，而且引入信息校验机制，进一步提高了秘密信息传输的隐蔽性和鲁棒性。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.028 秒)
