典型文献
基于Stacking的网络恶意加密流量识别方法
文献摘要：
随着加密流量的普遍应用,许多恶意软件开始隐藏在传输层安全协议(Transport Layer Security,TLS)流量中传输恶意消息,对通信安全造成严重威胁,因此对TLS恶意加密流量进行识别,对打击网络犯罪有着重要意义.通过对恶意和正常加密流量的会话和协议进行分析,在传统会话统计特征的基础上,提取出握手特征和证书特征,在单一特征和多特征条件下对恶意加密流量进行识别,证明了多特征的方法能显著提升识别效果.此外,为解决单一的机器学习方法泛化能力弱的问题,提出了一种基于Stacking的网络恶意加密流量识别方法,所提模型分类ROC曲线下方的面积(Area Under Curve,AUC)和召回率分别达到99.7％和99.1％,在公开数据集上与XGBoost等其他4种算法对比证明,所提算法性能有明显提升.
文献关键词：
TLS流量;协议分析;Stacking;恶意流量检测
中图分类号：
作者姓名：
王天棋;丁要军
作者机构：
甘肃政法大学,甘肃 兰州 730070
文献出处：
引用格式：
[1]王天棋;丁要军-.基于Stacking的网络恶意加密流量识别方法)[J].通信技术,2022(07):935-942
A类：
传输层安全协议
B类：
Stacking,恶意加密流量,加密流量识别,恶意软件,Transport,Layer,Security,TLS,通信安全,打击网络犯罪,会话,统计特征,握手,多特征,特征条件,机器学习方法,泛化能力,模型分类,Area,Under,Curve,召回率,公开数据集,XGBoost,算法对比,算法性能,协议分析,恶意流量检测
AB值：
0.308573
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
