基于深度学习的SSL VPN加密流量的分类识别

随着虚拟专用网技术的广泛使用，VPN加密流量的分类识别对于网络安全管理的重要性愈发明显，而传统流量分类技术在提取特征和关键协议字段时效率较低.因此，本文提出一种基于卷积神经网络的深度学习模型，用以实现SSL VPN加密流量的分类识别，并减少特征工程中的人力成本.首先，将流量区分为VPN加密流量和非VPN加密流量，并且确定出这两类流量所属的服务类型；然后对所有流量进行分类，识别出产生流量的应用类型.考虑到网络流量中存在的时序关系，采用一维卷积神经网络作为深度学习的模型，通过构建Pytorch的实验环境，采用ISCX2016数据集，实现对VPN加密流量的分类任务.通过参数优化，除数据量较小的数据类型外，应用识别的平均F1-score为91.73%,流量识别的平均F1-score为91.13%.实验结果表明，基于一维卷积神经网络的深度学习方法对于识别SSL VPN流量是可行和有效的.     

基于卷积神经网络的网络流量识别技术研究

近年来,深度包检测技术和基于统计特征的网络流量识别技术迅速发展,但它们分别存在不能识别加密流量和依赖人对特征主观选择的缺陷.文章提出了基于卷积神经网络的流量识别方法,将网络数据按照一定的规则转换为灰度图像进行识别,并根据TCP数据包的有序性和UDP数据包的无序性,对原始的网络数据进行了扩展,以进一步提高识别率.实验数据表明,该方法对应用程序和应用层协议两个层次的网络流量具有较高的检测率.     

基于注意力机制的加密流量识别

随着人们网络安全意识的提高,加密流量呈爆炸式增长,流量加密在保护用户隐私的同时,也为安全检测带来了新的挑战。针对传统基于机器学习的流量识别方法存在需要手动设计分类特征、分类准确率不高等问题,提出一种基于卷积神经网络与自注意力机制(Convolutional Neural Network and Self Attention, CSA)的加密流量分类方法,依据网络流量的层次结构特性,采用卷积神经网络提取数据包内字节流的空间特征、自注意力机制提取数据包之间的时序特征。在公开数据集ISCX VPN-NonVPN上的实验结果表明,CSA模型的分类准确率达到了95.0%,相较基准深度模型,准确率和F1值皆有明显的提升。     

基于时序流的移动流量实时分类方法

移动互联网的快速发展,产生了网络测量、网络安全和服务质量等方面的新问题.为了深入研究移动互联网的特性,研究人员需要从传统网络流量中快速准确分类出移动流量.本文提出了一种采用轻量级流表与深度数据包检测技术（DPI）相结合的移动流量实时分类方法,将网络流按照时间间隔关系扩展为时序流,并通过DPI时序流前N个特征数据包准确地分类出移动流量,缩减了流表规模,减少了实际DPI开销.通过实时的网络流量实验表明,DPI时序流前8个特征数据包时,提出的方法识别准确率达到91.55%,单次深度数据包检测的平均开销为20个数据包,并且流表的规模缩减到原来的0.21%.与P0F比较,方法识别准确率等性能有明显提升.      

基于复合特征的P2P业务识别系统的研究与实现

着重分析了P2P流量统计特征,根据不同应用的流量模式和实验结果,提出了一种基于流统计特征的P2P识别方法.这种方法不需要对数据报文载荷信息进行检查,因此不受数据是否加密的限制,扩大了P2P识别的范围.论文将基于流统计特征的识别方法与端口法、有效载荷特征串识别法等结合起来,构成复合的P2P流量识别系统.实验数据证明,该系统不仅能识别出更多的P2P应用,而且还具有较高的识别率和较低的误报率和漏报率,应用到实际网络中效果良好.     

基于改进特征选择法的光纤网络流量异常监测研究

采用当前方法进行光纤网络流量异常监测过程中,特征选择法无法全面描述流量异常特征监测的不足,存在监测效果较差的问题。为此,提出一种基于改进特征选择法的异常流量监测方法。首先采用分光方式对光纤网络流量进行分析,获取光纤网络流量时间序列,并描述用于流量异常监测的多时间序列之间的相互关系,然后利用改进特征选择法对网络出口流量进行特征提取。利用聚类算法选择网络流量异常最优类数和聚类中心,来对网络流量异常现象进行过滤,从而实现网络异常流量特征抽取、特征选择改进算法和网络流量异常监测的研发,从而提高光纤网络流量异常现象监测的准确度。仿真实验结果证明,通过这种方法,能有效地对网络流量异常现象进行监测,且算法简单,能够满足网络流量异常监测的应用需求,实用价值较高。     

基于流时间影响域的网络流量异常检测

针对如何提高网络流量异常行为检测准确率的问题,提出基于网络流时间影响域(TID)的网络流量检测模型.通过分析正常和异常情况下流量网络模型平均度的变化,构建了基于复杂网络平均度指标的网络流量异常检测算法.实验结果表明,基于网络流时间影响域的流量网络模型能合理地描述网络流量间的依赖关系,具有良好的检测性能,同时该网络模型仅需时间戳、源IP、目的IP三维网络特征即可实现,检测方法适用于绝大多数网络类型,检测效率优于其他网络流量异常检测方法,具有较高的普适性.     

基于机器学习的网络流量分类算法

互联网应用的蓬勃发展产生了种类多样的网络流量。在网络技术不断进化的过程中,新型流量和流量加密技术的出现,使基于端口和基于有效载荷的传统网络流量分类算法的应用受到限制。为了实现对新型网络流量的自动分类,提出了一种基于机器学习的网络流量分类算法。通过选择特征属性和构建决策树模型,能够实现对流量级别的网络数据进行自动分类。使用网络流量分类领域的公开数据集进行训练和测试,并将测试结果与开源的机器学习平台Weka运行结果相比较,实验结果表明:所构建模型性能优良,在流量分类准确度与Weka平台相近甚至更优的前提下,大幅降低了建模时间,提高了网络数据分类的效率。     

基于节点及流量行为特征的P2P流量识别

由于P2P软件普遍采用动态端口以及负载加密技术,使得基于传输层端口和深度包检测技术的对等网流量识别受到限制。通过对P2P流量的分析发现其两种特性:一是P2P节点具有双面性特征,即P2P节点可以同时上传下载数据;二是P2P流量的正向流与反向流包到达时间间隔方差比始终在一定区间内波动。由此提出基于节点及流量行为特征的P2P流量识别方法,并将其应用于网络流量监测。实验表明:该方法可识别新应用及加密流量,具有客观性,其流识别率为93%,字节识别率为95.5%。     

对称性的起因:非业务性网络流量新特性的挖掘与探索

针对当前非业务性网络前后向流量呈现对称性的问题,提出一种基于双向网络流模型的分析方法.与传统的单向网络流模型相比,双向网络流模型以主机为粒度实现流量双向聚合,利用网络流在协议、端口分布和流对称性方面的特征指标刻画主机间的交互行为,从而发现流量对称性产生的根源.基于西安交通大学校园网流量的实验结果表明,1％的主机承载了90％以上的前向UDP流量,是造成流量对称性的根本原因.相比于传统的网络流模型,文中提出的模型和分析方法能快速定位造成流量对称性的主机,更适用于非业务性网络流量的控制与管理.     

客运交通方式与体系的关系及其发展

首先分析了决定旅客选择交通方式的因素,然后引入旅客选择交通方式的量化模型,最后分析了旅客选择交通方式对宏观交通方式确定的影响;并对国家如何采取宏观调控手段引导客运交通方式依照国情的需要发展,并对形成一个合理的综合客运交通网提出了看法．     

网络流量测量技术研究

研究网络流量特征,对网络管理、规划和发展具有重要意义.本文讨论网络流量的采集方法、流量测量和分析方法、流量测量模型,并指出了流量测量模型方面需要改进和进一步研究的问题.     

中国城市交通发展政策研究

在城市化进程中,高效的城市交通政策对中国的可持续发展起着关键的作用.阐述了中国城市的独特背景,预测了在中国复制其他国家的政策能否被有效的实施的问题,以交通最为拥挤的城市为例子,将每个政策以往的经验与其可能产生的效率及其在中国的实施效果进行了比较,特别对中国城市与一些外国城市的交通政策做了仔细研究,为建立适合我国城市的交通政策提供参考.     

慢行交通安全问题分析与对策研究

运用交通冲突理论探讨慢行交通安全问题,分析了慢行交通事故形成的机理,提出了保障慢行交通安全的对策,旨在促进便捷交通、绿色交通的发展,实现和谐交通、安全交通。     

城市交通需求预测理论与模型研究综述

城市交通需求预测是交通学科研究的热点之一。本文对现代城市交通需求预测理论与模型进行系统分析,重点围绕交通生成、交通分布、交通方式划分预测模型展开,对各模型基本原理、研究进展、传统模型及其改进、模型应用情况等进行综述,最后总结城市交通需求预测研究领域重点、难点,指出未来发展方向。     

自相似过程的合并和分解过程

对LAN、ISDN的信令信道和其他通信系统中的数据统计分析表明,在宽带网络中的业务流具有自相似特性,它将对网络的设计、控制和分析产生影响,而业务流的合并和分解是网络中业务流的两个基本操作,要研究业务量的自相似特性对网络整体性能的影响,就必须首行研究它们的性质,文中给出了自相似序列经过合并和分解后仍然保持自相似性的充分条件,该结论对是进一步研究网络业务量的自相似性对网络性能的影响有理论指导意义。     

黄灯信号与交通安全

现有交通法规对车辆遇到黄灯时是否允许通行仍然没有定论. 这直接导致了众多驾车人在面对黄灯信号时的反应不一, 对道路交通及安全产生了诸多负面影响. 通过分析车辆行驶中的人-车系统特性, 揭示了交通黄灯信号的重要作用. 此外, 从两个不同视角对黄灯信号的通行权展开论述, 并对黄灯信号合理的持续时间等参数进行了案例设计, 由此得出车辆在行驶过程中遇到黄灯可以通行的结论.     

贵州高速公路项目交通量预测探讨

本文阐述了经济发展与公路建设发展的互动关系,从经济与交通的"供需关系"和"导向关系"角度,分析研究了贵州高速公路项目交通量预测的重点及难点。同时,结合贵州实际,对远景交通量进行了探讨。     

交通流的红绿灯模型

首先引入几个描述交通流的基本函数，接着在交通流连续运动和时断的情况下，分别建立了连续和间断的交通流模型，在此基础上根据微分方程建立红绿下的交通流模型，分析在不同时刻公路上交通流的变化，据此画出在红绿灯模型下的车流密度变化过程，并给出了交通流的红绿灯模型在十字路口的应用．     

色灯下的交通流模型与特征线的研究

用偏微分方程的方法给出交通流模型和色灯控制下的特征线,结合实际实验数据科学地解决十字路口在交通流较大时应人为地改变色灯的转换周期,从而解决了城市的交通问题,达到了节约能源和改善环境的目的.