一种基于对抗鲁棒性学习的Tor恶意流量检测方法
公开
摘要
本发明公开了一种基于对抗鲁棒性学习的Tor恶意流量检测方法，针对可能存在的Tor恶意软件流量，首先基于会话流的方式对其提取特征，并进行流量识别，建立检测模型，采用PGD方法生成能够成功绕过模型检测对抗样本，最后利用对抗性训练产生的对抗样本加固模型，得到基于对抗鲁棒性学习的Tor恶意流量检测模型，利用PGD方法生成的恶意对抗样本，绕过Tor恶意流量监测模型的绕过率能达到90%；最终利用产生的恶意对抗样本进行对抗性训练加固模型，Tor恶意流量检测模型能在稍微损耗模型精度的情况下识别出恶意对抗样本，通过不同细粒度的流量切分，模型分类准确率能够提升至98%。
基本信息
专利标题 ：
一种基于对抗鲁棒性学习的Tor恶意流量检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114615056A
申请号 ：
CN202210238279.1
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
胡晓艳高乙舒程光吴桦
申请人 ：
东南大学
申请人地址 ：
江苏省南京市玄武区四牌楼2号
代理机构 ：
南京众联专利代理有限公司
代理人 ：
叶倩
优先权 ：
CN202210238279.1
主分类号 ：
H04L9/40
IPC分类号 ：
H04L9/40 G06N3/04 G06N3/08 G06K9/62
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
