.png){kind=icon}
.png){kind=icon}
返回
Malicious encrypted traffic detection method for service chains in multi-cloud environments
.png){kind=icon}
OA
AI
DOI：10.1186/s13677-026-00966-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决多云服务链中恶意加密流量检测的特征表征不足、跨域泛化能力弱及数据隐私约束等痛点，本文提出了一种针对多云服务链环境中加密流量的分层多模态检测框架（HMM-CSCD）。该框架引入三种互补的特征模态，并采用联邦自监督学习在不暴露跨云域原始数据的情况下学习通用的流量表示。一种基于动态注意力的融合机制进一步实现了根据瞬时传输状态实时调整模态权重。在中国电力科学研究院云平台上的实验表明，HMM-CSCD在检测准确率和跨云泛化能力方面均取得显著提升，同时保持2.32毫秒的单流推理延迟。所提出的模型为分布式云服务链中的网络流量安全提供了实用且隐私保护的解决方案。
Keyword:
Multi-cloud
Service chain
Malicious encrypted traffic detection
Multimodal
Cloud security