DLC-TSM：一种用以加密恶意流量分类的高维特征图方法
DLC-TSM：multi-dimensional feature image approach for crypto-malicious traffic classification
1. 西南石油大学 计算机与软件学院, 成都 610500
2. 四川旅游学院 信息与工程学院, 成都 610500
摘要
为了解决现有加密恶意流量分类方法现多存在的特征表达能力受限、噪声敏感性强、模型泛化能力不足的情况，该研究提出了一种使用三维二阶马尔可夫矩阵图像进行深度学习分类(Deep learning classification using three-dimensional second-order Markov matrix images，DLC-TSM)的加密恶意流量分类方法。通过将三维二阶马尔可夫概率矩阵特征变换与深度学习相结合，将原始网络流量转换为RGB特征图像，再结合创新的阈值过滤算法增强特征表征能力，采用深度学习神经网络对生成的图像特征进行深度挖掘，实现流量类别的精准识别。实验结果表明，该方法在三个不同场景的四个加密恶意流量数据集上验证了该方法有效性，分别达到了99.33%、99.07%、97.98%、98.17%的最好准确度。DLC-TSM有效解决了加密流量特征提取与分类精度间的矛盾，其图像化表征策略为流量分析研究提供了新的技术路径。
基金项目
国家自然科学基金资助项目(U2133208)
四川省科技计划重点研发项目(2022YFG0323)
成都市科技计划重点研发项目(2022-YF05-00451-SN)
西南石油大学研究生教改项目(2024JGZD018)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.12.0535
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第10期
发布历史
[2025-06-04] 优先出版
引用本文
郭逸杰, 罗琴, 吴鹏. DLC-TSM：一种用以加密恶意流量分类的高维特征图方法 [J]. 计算机应用研究, 2025, 42 (10). (2025-06-04). https://doi.org/10.19734/j.issn.1001-3695.2024.12.0535. (Guo Yijie, Luo Qin, Wu Peng. DLC-TSM：multi-dimensional feature image approach for crypto-malicious traffic classification [J]. Application Research of Computers, 2025, 42 (10). (2025-06-04). https://doi.org/10.19734/j.issn.1001-3695.2024.12.0535. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
