MaMPF: классификация зашифрованного трафика на основе многoатрибутных вероятностных отпечатков Маркова

MaMPF: Encrypted Traffic Classification Based on Multi-Attribute Markov Probability Fingerprints
Gang Xiong, Gaopeng Gou, Chang Liu, Longtao He, Zigang Cao, Siu‐Ming Yiu
2018-06-01

марковские моделимультиатрибутивные вероятностные отпечатки Марковатрафик SSL/TLSклассификация зашифрованного трафикапоследовательность блоков длины
В связи с быстрым ростом числа сетевых приложений обнаружение сетевых аномалий и управление безопасностью сталкиваются с серьезными проблемами, причем классификация трафика является первым и фундаментальным этапом. Однако для защиты конфиденциальности пользователей широко применяются протоколы зашифрованной связи, такие как SSL/TLS, что делает традиционные методы классификации на основе правил неэффективными. Существующие методы не обеспечивают удовлетворительную точность классификации зашифрованного трафика из-за недостаточной различимости используемых признаков. В данной работе мы предлагаем метод многoатрибутных вероятностных отпечатков Маркова (Multi-Attribute Markov Probability Fingerprints, MaMPF) для классификации зашифрованного трафика. Ключевая идея MaMPF заключается в учете нескольких атрибутов, включая критически важный признак, называемый «последовательностью блоков длин», который эффективно описывает временной ряд длин пакетов с использованием степенных распределений и относительных вероятностей появления всех рассматриваемых приложений. На основе типов сообщений и последовательностей блоков длин обучаются марковские модели, а вероятности всех приложений объединяются в отпечатки, используемые для классификации. На реальном наборе данных кампусной сети, включающем более 950 000 потоков зашифрованного трафика и охватывающем 18 приложений, MaMPF достиг показателя истинно положительных результатов (TPR) 96,4% и показателя ложно положительных результатов (FPR) 0,2%, превзойдя современные методы.
1
MaMPF вводит многoатрибутные марковские вероятностные отпечатки для классификации зашифрованного сетевого трафика, где традиционные методы на основе правил неэффективны.
2
На исследованном наборе данных MaMPF превосходит современные методы классификации зашифрованного трафика.
3
Марковские модели, обученные на типах сообщений и последовательностях блоков длин, объединяют вероятности приложений в отпечатки для классификации трафика.
4
На реальном наборе данных кампусной сети, включающем более 950 000 зашифрованных потоков и 18 приложений, MaMPF достигает TPR 96,4% и FPR 0,2%.
5
Метод использует последовательности блоков длин для описания временной динамики длин пакетов с помощью степенных распределений и относительных вероятностей появления для разных приложений.

Зашифрованные сетевые потоки трафика (SSL/TLS) из кампусной сети, охватывающие несколько приложений

классификация зашифрованного трафика на уровне приложений на основе многоатрибутных марковских вероятностных отпечатков, в частности с использованием последовательностей длин пакетов и типов сообщений

Publication Details
Publication Date
2018-06-01
Journal
Publisher
ISSN
Cited by
124
Access Type
Author Information
Authors
Gang Xiong
Gaopeng Gou
Chang Liu
Longtao He
Zigang Cao
Siu‐Ming Yiu
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%