基于更新机制的在线加密Skype流量识别
密码学与安全
2022-03-24 v1
摘要
机器学习算法在流量识别研究中日益受到重视，因为它提供了一种克服基于端口和深度包检测缺陷的方法，特别是对于基于P2P的Skype。然而，近期研究主要集中于基于全包数据集的流量识别，这给在线网络流量识别带来了巨大挑战。本研究旨在以采样流记录为对象，提供一种新的流识别算法。研究从Skype集合构建流记录作为数据集，将固有的NETFLOW和扩展流度量作为特征，并使用基于快速相关性的过滤算法筛选高度相关的特征。研究还提出了一种新的NFI方法，采用贝叶斯更新机制来改进分类器模型。实验结果表明，所提方案比现有最先进的流量识别方法取得了更好的识别性能，并在采样环境下分析了典型的特征度量。与其他方法相比，NFI方法提高了识别准确率，并减少了假阳性和假阴性。
引用
@article{arxiv.2203.12141,
title = {Online Encrypted Skype Identification Based on an Updating Mechanism},
author = {Shi Dong},
journal= {arXiv preprint arXiv:2203.12141},
year = {2022}
}