北京
通信世界網消息（CWW）隨著通信與網絡技術的快速發(fā)展，網絡安全威脅也日益加劇，加密技術成為保護數據隱私安全的重要手段。工業(yè)和信息化部網絡安全產業(yè)發(fā)展中心編寫的《數據傳輸安全白皮書》明確要求傳輸的數據不能明文。Google統(tǒng)計數據顯示，截至2025年，互聯網加密流量超過96%。然而，加密流量也成為黑客常用的網絡攻擊手段。Enterprise Strategy Group調研數據顯示，超95%的企業(yè)曾面臨因加密流量導致的安全威脅，且85.9%的網絡威脅通過加密通道發(fā)起。惡意流量利用加密技術隱藏惡意攻擊行為，使得傳統(tǒng)基于深度數據包檢測、基于端口的流量分類檢測等方法有效性下降，因此有效識別和分類惡意加密流量成為研究重點。
識別惡意加密流量的挑戰(zhàn)在于獲取加密數據流的表征。與明文網絡流量不同，深度數據包檢測方法無法通過獲取加密數據包的內容來分類；TLS（傳輸層的安全協(xié)議）握手數據包中的SNI（TLS協(xié)議的擴展協(xié)議）字段有時可用于指示流量類型，但僅在有限情況下包含完整的握手數據包。隨著人工智能技術的發(fā)展，隨機森林、SVM等機器學習算法可以通過特征提取的方式區(qū)分惡意加密流量與正常加密流量，但人工設計特征會導致數據包細節(jié)丟失，影響精度。而深度學習方法通過端到端學習挖掘潛在特征，避免了特征篩選，因而成為網絡安全檢測的主要方法之一。
【點擊鏈接即可閱讀全文】
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
