HSTF-Model：一种基于流量分层时空特征的HTTP木马检测模型
网络与互联网体系结构
2023-09-08 v1
摘要
HTTP木马极具威胁，且因其隐蔽性与混淆性难以被有效检测。以往的检方法通常因数据集过时与依赖人工特征提取而泛化能力较差，导致这些方法在其私有数据集下表现良好，但在真实网络环境中表现糟糕甚至失效。本文中，我们提出一种基于流量分层时空特征的HTTP木马检测模型(HSTF-Model)，该模型建立在从包级与流级对流量时空行为的形式化描述之上。在此模型中，我们采用卷积神经网络(CNN)提取空间信息，长短期记忆网络(LSTM)提取时间信息。此外，我们呈现了一个由良性与木马HTTP流量组成的数据集(BTHT-2018)。实验结果表明我们的模型可保证高精度（在BTHT-2018中F1为98.62%-99.81%，FPR为0.34%-0.02%）。更重要的是，我们的模型在泛化能力上相较其他相关方法具有巨大优势。用BTHT-2018训练的HSTF-Model在公开数据集ISCX-2012上可达93.51%的F1，比相关机器学习方法的最佳者高出20+%。
引用
@article{arxiv.2309.03724,
title = {HSTF-Model: an HTTP-based Trojan Detection Model via the Hierarchical Spatio-Temporal Features of Traffics},
author = {Jiang Xie and Shuhao Lia and Xiaochun Yun and Yongzheng Zhang and Peng Chang},
journal= {arXiv preprint arXiv:2309.03724},
year = {2023}
}
备注
31 pages, 11 figures