編號：SBJS01059
篇名：基于多粒度表征學(xué)習(xí)的加密惡意流量檢測
作者：谷勇浩 徐昊 張曉青
關(guān)鍵詞： 加密惡意流量檢測 多粒度表征學(xué)習(xí) 局部行為 全局行為 位置語義
機構(gòu)： 北京郵電大學(xué)計算機學(xué)院智能通信軟件與多媒體北京市重點實驗室 中山大學(xué)廣東省信息安全技術(shù)重點實驗室
摘要： 現(xiàn)有加密惡意流量檢測方法中,基于統(tǒng)計特征的方法存在特征提取依賴專家經(jīng)驗和特征之間相互獨立的問題,基于原始輸入的機器學(xué)習(xí)和深度學(xué)習(xí)方法存在信息不全,、隨機字段、單一粒度的問題,對加密流量交互行為的語義表征不足.為解決上述問題,本文提出一種基于多粒度表征學(xué)習(xí)的加密惡意流量檢測方法MGREL(MultiGranularity REpresentation Learning).該方法將加密會話分為字段級和包級兩個粒度分別處理.在字段級粒度中,基于詞向量進行局部行為建模,提取握手報文并選取關(guān)鍵字段,緩解信息不全導(dǎo)致的語義缺失問題,將字段的字節(jié)值表示為詞向量,同時增加報文類型與握手類型作為位置前綴,解決位置語義缺失的問題,采用Multi-head Attention計算字段間的交互,再通過Bi LSTM得到報文級語義;在包級粒度中,基于時空進行全局行為建模,提取包的時空狀態(tài)信息并采用LSTM模型得到流級語義.將兩個粒度下得到的局部行為語義和全局行為語義融合,得到加密流量的表征,解決單一粒度表征能力不足的問題.最后,通過對比實驗驗證本文所提方法MGREL在檢測加密惡意流量方面表現(xiàn)最好,。
