一种基于图卷积神经网络的加密流量分类方法

来源：电子测量技术杂志2022年第14期北京时间：

作者：王勤凡，翟江涛，陈伟，孙浩翔

单位：南京信息工程大学 电子与信息工程学院 南京 210044

摘要：深度学习算法被广泛应用于网络流量分类领域并取得较好效果。然而，对抗攻击的出现给其安全性带来了严重威胁，使得当前主流的基于卷积神经网络模型的分类算法的精度严重下降。针对此，本文提出了一种抗流量分类中灰度图对抗攻击的加密流量分类方法。所提方法通过提取数据包负载长度、包序列、方向、簇等流量交互信息构建拓扑图，将加密流量分类问题转化为图分类问题。接着，本文使用基于图卷积神经网络的分类方法进行特征的学习分类，图卷积神经网络模型可以自动从输入的拓扑图中提取特征，将特征映射到嵌入空间中的不同表示来区分不同的图结构。实验结果表明，本文所提方法不仅能够避免对抗攻击，且在公开数据集上的分类性能也较现有典型方法提高了5%以上。

关键词：网络流量分类;对抗攻击;图神经网络;深度学习

基金资助：国家自然科学基金项目（61931004，62072250），南京信息工程大学人才启动基金项目（2020r061）资助