基于路径签名表征学习的加密流量检测

摘要

针对加密流量间交互行为特征的提取存在不足等问题，提出了一种基于路径签名表征学习的加密流量检测方法(path signature feature representation learning,PSFREL),利用路径签名来表征流量间隐藏的、不受加密影响的交互行为特征，使用自动编码器提取字段级局部特征，并使用结合通道注意力机制的残差网络Cam-resnet提取流量全局特征，形成多粒度流量特征后进行加密流量检测。在ISCX VPN-nonVPN等4个加密流量数据集上的评测结果显示，PSFREL的平均F1达到94.91%。

关键词

加密流量 / 路径签名 / 特征工程 / 残差网络