.png){kind=icon}
返回
Ultimate Encrypted Traffic Feature Engineering: HTTPS Encrypted Traffic Classification Using Restored Application Data Unit Length
.png){kind=icon}
PRE
AI
DOI：10.1109/TDSC.2025.3615592.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
OTT（互联网流媒体）应用程序主要通过HTTPS（超文本传输安全协议）进行通信，该协议是互联网上最著名的加密协议族。HTTPS加密流量的分类能够有效获取细粒度的OTT应用程序信息，以支持网络管理和网络安全。作为最具表现力的特征，侧信道长度序列被当前研究广泛采用，尤其是数据包长度序列。然而，这些尝试忽略了协议分段解耦和加密覆盖带来的干扰，导致性能不佳。基于应用层特征工程理论，我们提出了一种新的指标——应用数据单元（ADU）长度，以消除这些干扰。然而，由于TLS加密协议覆盖了整个应用层（其中包含侵入性和可变性的HTTP头），ADU长度无法直接从数据包中获取。因此，我们设计了一种长度校正多元回归神经网络（LC-MRNN）算法，以精确恢复真实的ADU长度序列。在真实CERNET网络中的两种场景下进行的详尽实验表明，无论使用HTTP-1.1还是HTTP-2.0协议，LC-MRNN模型都能实现显著准确的ADU长度恢复。在分类任务中，借助LS-LSTM分类器，我们的方法优于当前最先进的方法，F1分数提高了约4.2%（达到93.52%）。
Keyword:
Encrypted traffic classification
application layer feature engineering
application data unit
length-correction multiple regression neural network
HTTPS
期刊
IF:
7.5
论文数:
2.5K
被引数:
9.6K
机构
引用论文
.png){kind=icon}
分享收藏TEST: an End-to-End Network Traffic Classification System With Spatio-Temporal Features Extraction
PREAI
分享收藏
分享收藏分享收藏分享收藏Tree-RNN: Tree structural recurrent neural network for network traffic classificationTree-rnn: 用于网络流量分类的树结构递归神经网络
PREAI
分享收藏Seeing Traffic Paths: Encrypted Traffic Classification With Path Signature Features查看流量路径: 具有路径签名功能的加密流量分类
PREAI
分享收藏
查看更多内容