计算机应用研究

作者：郭逸杰,罗琴,吴鹏,

单位：1.西南石油大学计算机与软件学院,成都610500；2.四川旅游学院信息与工程学院,成都610500；

关键词：加密恶意流量分类,深度学习,马尔可夫链,马尔可夫转移概率矩阵,流量处理,特征过滤,

基金：国家自然科学基金资助项目(U2133208)；四川省科技计划重点研发项目(2022YFG0323)；成都市科技计划重点研发项目(2022-YF05-00451-SN)；西南石油大学研究生教改项目(2024JGZD018)；；

为了解决现有加密恶意流量分类方法存在的特征表达能力受限、噪声敏感性强、模型泛化能力不足的情况，提出了一种使用三维二阶马尔可夫矩阵图像进行深度学习分类（deep learning classification using three-dimensional second-order Markov matrix images，DLC-TSM）的加密恶意流量分类方法。通过将三维二阶马尔可夫概率矩阵特征变换与深度学习相结合，将原始网络流量转换为RGB特征图像，再结合创新的阈值过滤算法增强特征表征能力，采用深度学习神经网络对生成的图像特征进行深度挖掘，实现流量类别的精准识别。实验结果表明，该方法在三个不同场景的四个加密恶意流量数据集上验证了该方法的有效性，分别达到了99.33%、99.07%、97.98%、98.17%的最好准确度。DLC-TSM有效解决了加密流量特征提取与分类精度间的矛盾，其图像化表征策略为流量分析研究提供了新的技术路径。

来源：2025年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第10期