-
题名基于人工蜂群算法的Tor流量在线识别方法
被引量:5
- 1
-
-
作者
梁晓萌
严明
吴杰
-
机构
复旦大学计算机科学技术学院
教育部网络信息安全审计与监控工程研究中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第11期129-135,143,共8页
-
基金
国家重点研发计划(2017YFB0803203)。
-
文摘
Tor等匿名流量的分类与识别对运营商监管网络安全具有重要意义,但目前Tor流量的分类检测技术普遍存在识别准确率低、缺乏实时性、无法有效处理高维数据等问题。为此,提出一种Tor流量在线识别方法。通过搭建基于逻辑回归的深度神经网络,提取Tor流量特征匹配度以实现特征增强,并使用人工蜂群机制代替梯度下降等常见迭代算法,得到流量分类及识别结果。在此基础上,构建一套实时流量检测工具应用于实际生产环境中。在公开Tor数据集上的实验结果表明,与逻辑回归、随机森林、KNN算法相比,该算法的精确率和召回率分别提高了10%~50%,相比梯度下降的迭代算法准确率提高了7%~8%。
-
关键词
tor流量识别
网络流量分类
特征提取
网络流量分析
深度学习
人工蜂群算法
逻辑回归
-
Keywords
tor traffic identification
network traffic classification
feature extraction
network traffic analysis
deep learning
artificial bee colony algorithm
logistic regression
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-