基于卷积神经网络的加密代理流量识别方法

提出了一种基于卷积神经网络的加密代理流量识别方法.首先对使用自主部署、自主采集方法捕获的原始加密流量进行流还原操作,然后提取还原后数据流的前N个数据包的前L×L个字节,组成1张(Height, Width, Channel)为(N×L,L,1)像素的灰度图片,作为该数据流的流特征图(stream feature image).此后将全部的样本分成训练集、验证集、测试集,分别输入设计的卷积神经网络模型进行训练、验证和测试.最后,通过选取不同的前N个数据包和包长策略L组合进行实验,测得在N=4,L=40×40时,该模型的最高识别准确率能够达到99.38%,与其他相关同类方法相比,在准确率方面有一定的优势.