公开(公告)号：CN115174170B

公开(公告)日：2023-05-09

申请号：CN202210717842.3

申请日：2022-06-23

Applicant: 东北电力大学

Inventor： 曹杰 ,  袁星亮 ,  曲楠 ,  张加新 ,  王启明

IPC: H04L9/40 ,  H04L12/46 ,  G06F18/2321 ,  G06F18/214

Abstract: 本发明是一种基于集成学习的VPN加密流量识别方法，其特点是，包括：针对VPN加密流量数据特征冗余问题，采用基于最大相关最小冗余的VPN加密流量特征选择方法；针对VPN加密流量数据存在的类别不平衡问题，构建VPN加密流量FL‑XGB识别模型，采用Focal Loss函数对Xgboost集成学习模型进行改进，平衡难易样本的比例不均；为了进一步提高模型对VPN加密流量的识别性能，提出VPN加密流量识别模型优化方法，对VPN加密流量FL‑XGB识别模型进行改进。该方法科学合理，准确性较高，可适用于VPN加密流量的识别问题，对维护网络安全具有一定实用意义。

公开(公告)号：CN115174170A

公开(公告)日：2022-10-11

申请号：CN202210717842.3

申请日：2022-06-23

Applicant: 东北电力大学

Inventor： 曹杰 ,  袁星亮 ,  曲楠 ,  张加新 ,  王启明

IPC: H04L9/40 ,  H04L12/46 ,  G06K9/62

Abstract: 本发明是一种基于集成学习的VPN加密流量识别方法，其特点是，包括：针对VPN加密流量数据特征冗余问题，采用基于最大相关最小冗余的VPN加密流量特征选择方法；针对VPN加密流量数据存在的类别不平衡问题，构建VPN加密流量FL‑XGB识别模型，采用Focal Loss函数对Xgboost集成学习模型进行改进，平衡难易样本的比例不均；为了进一步提高模型对VPN加密流量的识别性能，提出VPN加密流量识别模型优化方法，对VPN加密流量FL‑XGB识别模型进行改进。该方法科学合理，准确性较高，可适用于VPN加密流量的识别问题，对维护网络安全具有一定实用意义。