Paper：Malware Traffic Classification Using Convolutional Neural Network for Representation Learning
论文：使用卷积神经网络进行表示学习的恶意软件流量分类

论文下载：https://ieeexplore.ieee.org/document/7899588

代码下载：https://github.com/echowei/DeepTraffic

数据处理工具包使用方法：https://github.com/yungshenglu/USTC-TK2016

作者博士毕业论文收录于知网：基于深度学习的网络流量分类及异常检测方法研究

一、介绍

如图一，流量分类方法主要有四种：基于端口号、基于深度包检测（DPI）、基于统计特征、基于行为特征。其中基于端口号和基于DPI方法是基于规则的方法，通过匹配预定义的硬编码规则来进行流量分类，而基于统计特征和基于行为特征的方法是经典机器学习的方法。这篇文章研究的则是机器学习中的表示学习。
图二介绍了不同方法的工作流程，相比于传统方法需要手工设计特征，这篇文章使用的是表示学习方法中的深度学习，可以自动提取特征，使用的是卷积神经网络。

二、数据集

作者参考文献【16】和【17】制作了一个数据集USTC-TFC2016，分为恶意流量和正常流量，一共有10种流量包含8类应用，如下表1和表2。

接下来介绍了数据包的拆分和组合。
一个flow（流）包含5元组：源IP、源端口号、目的IP、目的端口号和传输协议，一个session（会话）就是双向的flow。

原始traffic由一些flow或session构成，而flow或session又由x、b、t分别为五元组、包的大小和开始传输的时间构成。

这里还提到每个flow或session只使用前784个字节，因为CNN输入的数据大小必须统一，而他们的长度可能会不一样，至于为何选取784字节，文中也给出了解释。因为流或会话的前面部分一般是建立连接的数据和一部分内容数据，更能反映流量特征，而之后部分更多的是数据，不能很好地体现流量类型特征。

三、数据预处理

从协议角度来说，可以选取部分某几层的数据，一般有两种分法：只选取应用层的数据（TCP/IP的应用层即OSI的第七层），选取全部数据。这样选的依据是应用层会包含大部分流量的信息，另外底层的信息也会对流量的分类起到一定作用。另外还会将流量依据方向分为两种：session和flow。所以就有4种流量表示方法：Flow+All，Flow + L7, Session + All, Session + L7。

数据预处理部分分为四步：traffic split, traffic clean, image generation, IDX conversion

使用数据预处理工具USTC-TK2016对数据集USTC-TFC2016进行处理后，如下表，共产生752040条记录。

在预处理环节的image conversion，对数据进行了可视化，结果如下图，可以看到不同的数据流有明显的区分度，同一种数据流有高度相似的图片表示。

四、模型结构

因为模型的输入数据大小为784（28x28），和用于MNIST手写数字识别的网络LetNet-5的输入数据大小（32x32）差不多，因此使用的网络和LetNet-5类似。有2个卷积层，2个池化层，2个全连接层，文中也给出了具体的网络模型参数。

五、扩展性研究

使用了三种分类器：2分类、10分类、20分类，对流量好坏和类型进行分类，如图6。

六、实验结果及分析

使用accuracy (A), precision ( P ), recall ( R ), f1 value (F1)对模型优劣进行评估。

结论：session表现优于flow，all layer优于只有应用层

参考：

流量分类方法设计（一）——参考论文整理

关于深度学习的网络流量分类论文整理（一）相关推荐

【网络流量识别】【深度学习】【三】CNN和LSTM—基于信息获取和深度学习的网络流量异常检测
本文是北京大学陆祥林等人,2019年四月发表于ICISDM的一篇文章,收录于ACM网站. 文章题目:基于信息获取和深度学习的网络流量异常检测原文网址:基于信息获取和深度学习的网络流量异常检测|201 ...
毕业设计-基于深度学习的网络流量异常检测系统
目录前言课题背景和意义实现技术思路一.相关技术与理论介绍二.基于深度学习的网络流量二分类模型三.网络流量异常检测系统实现效果图样例最后前言
阿里巴巴线上使用的深度学习兴趣网络 DIN (三) - 论文翻译
总述:阿里巴巴拥有世界上数一数二的电子商务系统,每天的成交额高达数十亿,那么这样一个大规模的商务网站肯定要做好一件事情,那就是用户搜索的时候给用户最好的搜索结果,用户不搜索的时候结合用户的兴趣给用户最 ...
《基于深度学习的加密流量识别研究》-2022毕设笔记
参考文献: 基于深度学习的网络流量分类及异常检测方法研究_王伟基于深度学习的加密流量分类技术研究与实现_马梦叠基于深度学习的加密流量识别研究综述及展望_郭宇斌基于深度学习的加密流量算法识别研究_ ...
基于深度学习的网络加密流量分类与入侵检测框架
写在前面: 本文翻译供个人研究学习之用,不保证严谨与准确 github链接:https://github.com/WithHades/network_traffic_classification_pa ...
加密流量分类-论文1：Deep Learning for Encrypted Traffic Classification: An Overview
加密流量分类-论文1:Deep Learning for Encrypted Traffic Classification: An Overview 0.摘要 1.介绍 2.网络流量分类流程框架 2. ...
基于深度学习的SDN家庭网关加密网络流量分类
写在前面: 本文翻译供个人研究学习之用,不保证严谨与准确 github链接:https://github.com/WithHades/network_traffic_classification_pa ...
预测混合模式发展前景计算机,基于混合模式的网络流量分类优化-计算机技术专业论文.docx...
基于混合模式的网络流量分类优化中文摘要基于混合模式的网络流量分类优化中文摘要网络流量分类是指将混合有各种应用的流量按应用协议来进行分类,即鉴别网络报文分组的应用类别的过程.网络流量分类技术除了 ...
加密流量分类-论文6：Learning to Classify A Flow-Based Relation Network for Encrypted Traffic Classification
加密流量分类-论文6:Learning to Classify A Flow-Based Relation Network for Encrypted Traffic Classification 0 ...
加密流量分类-论文11 FlowPic: A Generic Representation for Encrypted Traffic Classification and Applications
FlowPic: A Generic Representation for Encrypted Traffic Classification and Applications Identificati ...

关于深度学习的网络流量分类论文整理（一）

目录