Классификация трафика со сквозным шифрованием с использованием одномерных сверточных нейронных сетей

Классификация трафика играет важную и фундаментальную роль в управлении сетями и обеспечении безопасности киберпространства. В связи с широким распространением методов шифрования в сетевых приложениях зашифрованный трафик в последнее время стал серьезной проблемой для традиционных методов классификации трафика. В данной статье предлагается метод классификации зашифрованного трафика на основе одномерных сверточных нейронных сетей. Этот метод объединяет извлечение признаков, отбор признаков и классификатор в единую сквозную структуру, предназначенную для автоматического обучения нелинейной зависимости между исходными входными данными и ожидаемым выходом. Насколько нам известно, это первое применение сквозного метода в области классификации зашифрованного трафика. Метод проверен на общедоступном наборе данных трафика ISCX VPN-nonVPN. В четырех экспериментах при использовании наилучшего представления трафика и дообученной модели 11 из 12 оценочных метрик превзошли показатели современного метода, что свидетельствует об эффективности предложенного подхода.