.png){kind=icon}
返回
Enhanced detection of obfuscated HTTPS tunnel traffic using heterogeneous information network
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2024.110975.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于HTTPS隧道的VPN服务越来越多地被用于恶意活动，例如远程控制和数据外泄。随着检测机制的改进，一些攻击者采用混淆技术来规避检测。然而，现有研究主要关注识别HTTPS隧道流量，缺乏针对混淆流量的具体研究。在本文中，我们提出了HINT，一种将HTTPS隧道流量检测转化为图节点分类问题的新型方法。具体而言，我们构建了一个异构信息图来建模客户端与VPN服务之间的连接。为了丰富图的语义，我们融入了难以伪装的独特特征，并将其封装到专门的指纹节点中。然后，我们应用分层注意力机制来自动区分不同节点的重要性。实验结果和扩展分析表明，通过整合主机拓扑、服务统计和客户端流量特征，HINT在采用流量整形和填充技术时仍能保持强大的分类能力。它尤其有效，无需依赖数据包序列或载荷信息，即使在添加网络噪声的情况下也能维持高检测能力。
Keyword:
Security protocol
HTTPS tunnel
Graph neural network
期刊
IF:
4.6
论文数:
1.7K
被引数:
1.6W
机构
暂无机构信息
引用论文
A Deep Learning-Based Encrypted VPN Traffic Classification Method Using Packet Block Image.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏Darknet traffic classification and adversarial attacks using machine learningCOMPUTERS & SECURITY
OAAI
COMPUTERS & SECURITYIF5.4
OAAI分享收藏NetHost-Sensor: Investigating the capture of end-to-end encrypted intrusive dataNethost-sensor: 调查端到端加密侵入式数据的捕获COMPUTERS & SECURITY
COMPUTERS & SECURITYIF5.4
PREAI
分享收藏
查看更多内容