基于Payload2Vec的Tor匿名网络流量识别和分类  

作　　者：陶霜霜 胡天乐 许崇海 张慎文 李鲁群[1] 

机构地区：[1]上海师范大学,上海201418

出　　处：《网络安全技术与应用》2023年第6期10-14,共5页Network Security Technology & Application

基　　金：教育部产学合作协同育人项目(No.309-C-6105-17-06)。

摘　　要：为有效识别和分类Tor匿名网络流量,提出基于有效载荷嵌入模型(Payload to Vector)的分类方法。首先将数据包字节序列直接转换为字符串,利用滑动窗口对字符串分割,得到流量字符串。然后将流量字符用高维向量表示,进一步引入基于多头自注意力机制的双向长短期记忆模型(Bidirectional Long Short-Term Memory,Bi-LSTM)。实验表明该方法相比传统LSTM神经网络提高44%的Tor流量识别准确率和64%的Tor流量分类准确率,并且大幅度提升模型训练速度,验证该模型的准确性与可行性。

关 键 词：有效载荷嵌入模型 Bi-LSTM模型 多头自注意力机制 Tor流量分类 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]