%0 Journal Article %A 王垚 %A 李为 %A 吴克河 %A 崔文超 %T GBDT与LR融合模型在加密流量识别中的应用 %D 2020 %R 10.3969/j.issn.1006-2475.2020.03.018 %J 计算机与现代化 %P 93- %V 0 %N 03 %X 随着网络应用服务类型的多样化以及网络流量加密技术的不断发展,加密流量识别已经成为网络安全领域的一个重大挑战。传统的流量识别技术如深度包检测无法有效地识别加密流量,而基于机器学习理论的加密流量识别技术则表现出很好的效果。因此,本文提出一种融合梯度提升决策树算法(GBDT)与逻辑回归(LR)算法的加密流量分类模型,使用贝叶斯优化(BO)算法进行超参数调整,利用与时间相关的流特征对普通加密流量与VPN加密流量进行识别,实现了整体高于90%的流量识别准确度,与其他常用分类模型相比拥有更好的识别效果。 %U http://www.c-a-m.org.cn/CN/10.3969/j.issn.1006-2475.2020.03.018