基于流的时间相关特征的VPN加密流量识别

随着网络流量规模和来源的增加，对网络流量监控和分析的挑战也随之增加，尤其是 对加密流量进行识别的问题，该挑战性问题在于如何对加密流量不解密的情况下直接识别加密流 量。因此，针对加密流量识别问题，本文提出了一种基于流的时间相关特征的VPN加密流量识别 方法。通过设置2个实验场景，实现了加密流量与非加密流量的识别，并根据流的类型将加密流量 划分为不同的类别，在识别出加密流量的基础上又实现了应用识别和服务类型的识别。最后在公 开数据集ISCXVPN2016上利用不同的机器学习算法进行了对比实验，实验结果表明：使用较短的 流超时值可以提高识别准确率，在流超时值为15 s时结果最优。上述实验结果也证明了时间相关 特征是表征加密流量和VPN流量的良好分类准则。

VPN Encrypted Traffic Identification Based on Flow Time-related Features