← 返回列表

基于自编码器的泛化性增强加密代理流量识别方法

聚合站 SecWiki技术 作者 安全学术圈 发布 2025年4月23日 17:33 入库 2026-11-18T04:37:12

原文标题:A Generalization-Enhanced Method for Encrypted Proxy Traffic Identification Based on Autoencoder原文作者:Nanxin Zhou, Yiwei Liu, Yujun Li, Ruini Xue原文链接:https://ieeexplore.ieee.org/abstract/document/10625726发表会议:MICCIS, 2024笔记作者:孙汉林@安全学术圈主编:黄诚@安全学术圈编辑:张贝宁@安全学术圈

1 引言

本文针对Shadowsocks、Vmess和Trojan这3种加密代理方法提出了一种基于自编码器的通用增强识别方法。本文提取了与流量的信息熵、TLS协议和数据包长度相关的特征,构建了一个325维的特征向量。基于此特征提出了一种名为BiAE-MLP的识别模型,该模型由两个自编码器和一个多层感知机(Multilayer Perceptron, MLP)组成。实验结果表明,本文方法在与训练集分布相同的测试集上的F1分数为98%;在分布不同的数据集上的F1分数为91%。

本文主要贡献如下:

本文提取了与流量的信息熵、TLS协议和数据包长度相关的特征,构建了一个325维的特征向量,以适用于大多数类型的加密代理流量。

本文提出了一种名为BiAE-MLP的识别模型,该模型由编码层和分类层组成,能够高效地识别加密代理流量,并具有较高的准确性和较强的泛化能力。

2 方案设计


本方案主要由两部分组成。第一部分为特征工程,提取原始流量的熵值、TLS和长度特征;第二部分是构建深度学习模型BiAE-MLP,用于加密代理流量的分类识别。

2.1 流量类型

本文将流量分为正常流量和加密代理流量。正常流量进一步细分为正常非加密流量和正常加密流量,加密代理流量则分为TLS加密代理流量和非TLS加密代理流量两种类型,即一共4种类型。

正常非加密流量:数据未经任何加密处理,完全以明文形式传输,如HTTP流量。

正常加密流量:数据经加密协议处理,过程中有明文的密钥协商信息,如HTTPS流量。

TLS加密代理流量:数据经过TLS加密处理,有密钥协商信息,以伪装成正常加密流量,从而逃避审查,如Trojan流量。

非TLS加密代理流量:数据经过非TLS加密处理,使用事先协商好的密钥,其负载完全加密,具有较为显著的加密特征,如Shadowsocks流量。

2.2 特征提取

本文根据流量类型不同,将特征分为三部分。其中熵特征针对非TLS加密代理流量;TLS特征针对TLS加密代理流量;长度特征用于辅助检测。具体如下:

熵特征:信息熵作为衡量信息源中事件不确定性的指标,可有效反映数据的随机性特征。加密会显著提升数据的熵值,因此可利用该特性识别加密流量。本文选取传输层的前两个有效负载,将每个负载标准化为1472字节,采用32字节滑动窗口划分为46个片段,计算各片段熵值,最终输出一个长度为92的信息熵特征向量。

TLS特征:TLS协议的配置包括加密套件、扩展功能、签名算法等,这些配置在不同软件和应用中具有差异性,因而可用于识别加密代理流量。本文选取了120种常见的加密套件,采用一热编码,将未知加密套件作为一类,共121位。此外还有48种支持群组、23种签名算法和8种服务器加密套件,最终构建长度为203的TLS特征向量。

长度特征:由于加密代理服务在重新封装原始流量时引入了额外的用于认证与流量控制的协议信息,这导致其数据包长度分布异于正常流量。为捕捉该特征,本文提取每条流前30个数据包的长度作为长度特征,若不足30个包则以零填充,最终构建长度为30的长度特征向量。

最后,将上述3种类型的特征整合到一起,构成325维的特征向量。

2.3 分类器

本文提出的BiAE-MLP模型由编码层和分类层两层构成。编码层通过两个自编码器分别学习正常流量和加密代理流量的特征空间,实现特征降维;分类层则使用多层感知机模型进行分类,输出最终流量类型。

编码层:编码层由两个自编码器(AE-Normal和AE-Proxy)构成,用于特征降维。自编码器是一种无监督神经网络模型,包含编码器和解码器两个部分,编码器将输入的高维原始数据编码为低维数据,解码器则尝试利用低维数据还原原始数据,从而实现数据降维。本文通过自编码器将325维的特征向量降维至32维,随后将AE-Normal和AE-Proxy的输出合二为一,构成一个64维的特征向量,进行归一化处理后输入到分类层中。

分类层:分类层采用多层感知机(MLP)对加密代理流量进行识别分类。该MLP模型由四层组成,包括输入层、两个隐藏层和一个输出层。损失函数则选用交叉熵函数。

3 实验设计与评估

3.1 数据集

由于缺乏公开可用的数据集,本文收集了来自Windows 10和Android两个不同操作系统的流量数据集以验证该方法的有效性。在Windows 10上收集了V2RayN和Clash产生的加密代理流量,以及Edge和Chrome浏览器产生的正常流量;在Android上收集了V2RayNG产生的加密代理流量,以及Huawei浏览器产生的正常流量。其中,Windows 10数据集按7:3的比例划分为训练集和测试集,用于评估所提方法在识别加密代理流量中的有效性,而Android数据集则用于评估方法的泛化能力。

3.2 实验结果

为了验证该方法的有效性,本文设计了4个实验来回答以下4个问题:

本文所设计的特征是否有助于识别加密代理流量?

本文提出的BiAE-MLP模型能否有效识别常见的加密代理流量?

本文提出的方法是否具有更强的泛化能力?

编码层是否增强了分类模型的泛化能力?

具体的实验设计与结果如下:

实验1:在Windows 10训练集上,采用不同的机器学习分类器进行训练,并在测试集上评估其分类性能。

实验2:在Windows 10训练集上,训练本文提出的模型,验证其在Shadowsocks、Vmess和Trojan加密代理流量上的识别性能,并与其他学者提出的方法进行对比分析。

实验3:在Windows 10训练集上训练本模型及其他方法,评估其在Android数据集上的泛化能力,并与上述方法以及传统机器学习分类器进行对比,验证所提方法在跨平台适应性和识别性能上的优越性。

实验4:通过一系列消融实验验证编码层对模型泛化能力的增强作用。实验涉及在Windows数据集上训练MLP、MLP+AE-Normal、MLP+AE-Abnormal和BiAE-MLP模型,并测试它们在Android数据集上的表现,评估编码层的具体贡献。

安全学术圈招募队友-ing有兴趣加入学术圈的请联系secdr#qq.com

专题最新征文

期刊征文 | 暗网抑制前沿进展(中文核心)

期刊征文 | 网络攻击分析与研判(CCF T2)

期刊征文 | 域名安全评估与风险预警(CCF T2)

原文链接:https://mp.weixin.qq.com/s/Pr1zj-Z5fTRePZoIu_KInw