软件学报

作者：侯剑，鲁辉，刘方爱，王兴伟，田志宏

单位：侯剑，山东师范大学 信息化工作办公室, 山东 济南 250014;广州大学 网络空间安全学院, 广东 广州 51079911,鲁辉，广州大学 网络空间安全学院, 广东 广州 51079902,刘方爱，山东师范大学 信息化工作办公室, 山东 济南 25001403,王兴伟，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016904,田志宏，广州大学 网络空间安全学院, 广东 广州 51079905

关键词：加密流量;恶意流量检测;中间盒;可搜索加密;机器学习

基金：国家自然科学基金(U20B2046); 广东省高校创新团队项目(2020KCXTD007); 广州市高校创新团队项目(202032854); 山东自然科学基金(ZR2020KF021)

网络流量加密在保护企业数据和用户隐私的同时, 也为恶意流量检测带来新的挑战. 根据处理加密流量的方式不同, 加密恶意流量检测可分为主动检测和被动检测. 主动检测包括对流量解密后的检测和基于可搜索加密技术的检测, 其研究重点是隐私安全的保障和检测效率的提升, 主要分析可信执行环境和可控传输协议等保障措施的应用. 被动检测是在用户无感知且不执行任何加密或解密操作的前提下, 识别加密恶意流量的检测方法, 其研究重点是特征的选择与构建, 主要从侧信道特征、明文特征和原始流量等3类特征分析相关检测方法, 给出有关模型的实验评估结论. 最后, 从混淆流量特征、干扰学习算法和隐藏相关信息等角度, 分析加密恶意流量检测对抗研究的可实施性.

来源：2024年第1期

《软件学报》期刊编辑部

查看软件学报杂志2024年第1期