一种基于图注意力池化网络的细粒度加密网站指纹分类方法和装置制造方法及图纸

本发明专利技术涉及一种基于图注意力池化网络的细粒度加密网站指纹分类方法和装置。该方法建立用于描述网络流量模式的流量踪迹图，流量踪迹图中的节点表示网络流，边表示网络流的上下文关系；利用图神经网络模型自动学习流量踪迹图中的流内特征和流间特征，得到流量踪迹图的有效嵌入表示；利用流量踪迹图的有效嵌入表示进行网站指纹分类。本发明专利技术提出可以合理描述网络流量模式的流量踪迹图，该方法基于图神经网络算法，无需复杂的人工特征选择，可以同时有效学习网络流量的全局特征和局部特征，可以自动学习并更加关注重要流节点，并减少类间相似流节点和噪声流节点的负面影响。本发明专利技术适合多种粒度网站指纹场景，性能更优，且所需训练样本数量更少。本数量更少。本数量更少。

【技术实现步骤摘要】
一种基于图注意力池化网络的细粒度加密网站指纹分类方法和装置


[0001]本专利技术涉及一种基于图注意力池化网络的细粒度加密网站指纹分类方法和装置，属于计算机软件


技术介绍

[0002]随着人们的网络安全意识逐渐增强，HTTPS等加密协议被广泛应用于各类网站。这些加密协议在保护数据隐私的同时也给网络管理(如QoS和恶意行为追踪等)带来了巨大的挑战。近年来，伴随着人工智能的复兴和发展，使用机器学习算法在加密流量中识别特定网页的网站指纹技术成为了网络安全领域的热门研究点。
[0003]早期研究从数据包大小、包到达时间间隔等多种角度在加密流量中挖掘有效的统计特征，并采用传统机器学习算法，如K近邻、支持向量机、随机森林等算法模型作为分类器，取得了较好的性能。近年来，由于深度学习技术的快速发展，一些研究采用卷积神经网络、循环神经网络等模型，自动从加密流量中提取有效特征并实现高精度网站指纹分类。这些深度学习方法具有更佳的性能，且不再需要复杂的人工特征选择，因此成为了主流的网站指纹方法。
[0004]然而，已有研究主要针对网站首页分类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图注意力池化网络的细粒度加密网站指纹分类方法，其特征在于，包括以下步骤：建立用于描述网络流量模式的流量踪迹图，流量踪迹图中的节点表示网络流，边表示网络流的上下文关系；利用图神经网络模型自动学习流量踪迹图中的流内特征和流间特征，得到流量踪迹图的有效嵌入表示；利用流量踪迹图的有效嵌入表示进行网站指纹分类。2.根据权利要求1所述的方法，其特征在于，所述流量踪迹图中，对于同一客户端产生的两条流，根据两条流的起始时间间隔是否小于经验阈值决定两节点是否有边。3.根据权利要求1所述的方法，其特征在于，所述利用图神经网络模型自动学习流量踪迹图中的流内特征和流间特征，得到流量踪迹图的有效嵌入表示，包括：采用多头图注意力层学习节点的注意力权重，使得模型更加关注流量踪迹图中的重要节点，并减少类间相似节点和噪声节点的负面影响；采用自注意力池化层进一步筛选重要节点，同时减少模型参数量。4.根据权利要求3所述的方法，其特征在于，所述多头图注意力层中，流量踪迹图首先经过单层全连接网络提取浅层抽象表示，然后经过K头图注意力网络学习节点注意力权重，得到K种节点表示，再将K种节点表示累加并送入自注意力池化层。5.根据权利要求3所述的方法，其特征在于，所述自注意力池化层采用图卷积网络计算各节点重要性并保留topK节点，以进一步筛选重要节点，同时减少模型参数量。6.根据权...

【专利技术属性】
技术研发人员：管洋洋，苟高鹏，陆杰，刘畅，李镇，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：