加密流量的分类方法技术

本申请提供了一种加密流量的分类方法

【技术实现步骤摘要】
加密流量的分类方法、装置、设备及计算机可读介质


[0001]本申请涉及信息
，尤其涉及一种加密流量的分类方法
、
装置
、
设备及计算机可读介质
。

技术介绍

[0002]网络空间是由信息化技术构成的立体空间，包括互联网
、
通信网络和计算机信息系统
。
近年来，随着各领域对网络空间的依赖度的提升，基于网络空间面临的安全威胁也随之增多，由此引发的安全问题也受到了各界高度重视
。
[0003]进而，人们对于网络隐私和通讯安全需求的不断增加，网络中的加密流量比如
SSL/TLS
等在总流量中的占比逐渐增多
。
不同于传统的比如包括
HTTP
流量在内的明文流量，加密流量是指对用户的通讯数据利用加密算法和随机数进行随机化处理后得到的流量，使得除通讯端外，通讯数据的内容很难在有效时间内被成功破解，从而达到提升网络安全性的目的
。
在相关技术中，一般是通过适配于传统的明文流量而提出的基于规则匹配的加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种加密流量的分类方法，其特征在于，所述方法包括：获取待分类的加密流量；将所述加密流量发送至预先训练好的加密流量分类模型进行处理；其中，所述加密流量分类模型至少用于获取所述加密流量的多个目标数据包，根据预设
Swin Transformer
确定各所述目标数据包分别对应的第一特征数据；并根据所述加密流量执行网络流统计特征，得到第二特征数据；根据所述第一特征数据和所述第二特征数据进行时序特征学习，确定所述加密流量的流量类型
。2.
根据权利要求1所述的方法，其特征在于，所述根据预设
Swin Transformer
确定各所述目标数据包分别对应的第一特征数据包括：根据预设
Swin Transformer
，将所述目标数据包进行膨胀卷积操作，得到所述第一特征数据；所述根据所述加密流量执行网络流统计特征，得到第二特征数据包括：将所述执行网络流统计特征的统计结果输入至预设
Bert
预训练语言模型，得到所述第二特征数据；所述根据所述第一特征数据和所述第二特征数据进行时序特征学习，确定所述加密流量的流量类型包括：将所述第一特征数据输入至预设图卷积神经网络，得到进行第一时序特征学习的第一输出结果；将所述第二特征数据输入至预设多层感知机
MLP
进行处理，得到进行第二时序特征学习的第二输出结果；根据所述第一输出结果和所述第二输出结果，确定所述加密流量的流量类型
。3.
根据权利要求1所述的方法，其特征在于，所述目标数据包的获取方法包括：确定所述加密流量的目标要素信息；根据所述目标要素信息对所述加密流量进行切分，得到若干个相同类型的目标数据包
。4.
根据权利要求3所述的方法，其特征在于，所述根据所述目标要素信息对所述加密流量进行切分，得到若干个相同类型的目标数据包包括：根据所述目标要素信息对所述加密流量进行切分，得到若干个相同类型的初始数据包；对所述初始数据包进行编码转换处理，得到词向量形式的目标数据包
。5.
根据权利要求4所述的方法，其特征在于，所述加密流量分类模型的训练方法...

【专利技术属性】
技术研发人员：杨贻宏，
申请(专利权)人：上海人工智能网络系统工程技术研究中心有限公司，
类型：发明
国别省市：