软件学报:jos:7728 · 记录 #1

基于深度学习的加密网络流量分类技术综述

来源日期 2026-09-09

来源记录日期 2026-09-09

雷达观测 2026-11-05 00:17

摘要

加密网络流量分类是网络安全防护的关键环节, 对于识别潜在威胁和维护网络信息安全具有重要意义, 因此得到学术界和产业界的广泛关注. 对目前基于深度学习的加密网络流量分类技术进行系统梳理和深入分析: 首先阐述加密网络流量分类任务的核心特点, 包括流量的加密性、多样性和动态性. 同时分析该任务所面临的诸多挑战, 包括特征隐匿性、标注样本缺乏以及流量动态变化. 然后从这3个挑战出发, 梳理一系列前沿方案. 其中, 针对特征隐匿性问题, 主要介绍基于多层感知机、卷积神经网络、自编码器、循环神经网络、图神经网络、Transformer、大语言模型以及混合模型的网络流量分类算法; 针对标注样本缺乏问题, 主要介绍基于元学习、半监督学习、生成对抗网络以及预训练模型的网络流量分类算法; 针对流量动态变化问题, 主要介绍面向未知类别、概念漂移以及对抗攻击的网络流量分类算法. 接着介绍常用的加密网络流量数据集及评价指标, 以帮助读者全面评估不同算法的性能和适用性. 最后对已有工作存在的问题进行归纳和总结, 并结合当前技术发展趋势和实际需求展望未来研究方向.