[1]吕英豪, 陈嘉耕. 一种新的轻量级安全代理协议[J]. 信息安全学报, 2021, 6(3): 106124[2]张正旭, 许源. 网络监管下的上网代理类插件分析与研究[J]. 网络空间安全, 2020, 11(6): 4349[3]潘吴斌, 程光, 郭晓军, 等. 网络加密流量识别研究综述及展望[J]. 通信学报, 2016, 37(9): 154167[4]何杭松. 基于Xgboost算法的Shadowsocks流量识别研究[J]. 软件导刊, 2018, 17(12): 200203[5]鲁刚, 张宏莉, 叶麟. P2P流量识别[J]. 软件学报, 2011, 22(6): 12811298[6]翟明芳, 张兴明, 赵博. 基于深度学习的加密恶意流量检测研究[J]. 网络与信息安全学报, 2020, 6(3): 6677[7]赵双, 陈曙晖. 基于机器学习的流量识别技术综述与展望[J]. 计算机工程与科学, 2018, 40(10): 17461756[8]李勤, 师维, 孙界平, 等. 基于卷积神经网络的网络流量识别技术研究[J]. 四川大学学报: 自然科学版, 2017, 54(5): 959964[9]王勇, 周慧怡, 俸皓, 等. 基于深度卷积神经网络的网络流量分类方法[J]. 通信学报, 2018, 39(1): 1423[10]王伟. 基于深度学习的网络流量分类及异常检测方法研究[D]. 合肥: 中国科学技术大学, 2018[11]陈雪娇, 王攀, 俞家辉. 基于卷积神经网络的加密流量识别方法[J]. 南京邮电大学学报: 自然科学版, 2018, 38(6): 3641[12]Lim H K, Kim J B, Heo J S, et al. Packetbased network traffic classification using deep learning[C] Proc of 2019 Int Conf on Artificial Intelligence in Information and Communication (ICAIIC). Piscataway, NJ: IEEE, 2019: 4651[13]Ran J, Chen Y, Li S . Threedimensional convolutional neural network based traffic classification for wireless communications[C] Proc of 2018 IEEE Global Conf on Signal and Information Processing (GlobalSIP). Piscataway, NJ: IEEE, 2018: 712717[14]Wei W, Ming Z, Zeng X, et al. Malware traffic classification using convolutional neural network for representation learning[C] Proc of 2017 Int Conf on Information Networking (ICOIN). Piscataway, NJ: IEEE, 2017: 257265[15]Libnids(Library network intusion detection system)[EBOL]. [20220913]. http:libnids.sourceforge.net[16]PyTorch[EBOL]. [20220913]. https:pytorch.org[17]于海东, 邢明. 基于机器学习多模型的SSL加密威胁检测技术研究和应用[J]. 信息安全研究, 2021, 7(增刊1): 151157[18]蹇诗婕, 卢志刚, 姜波, 等. 基于层次聚类方法的流量异常检测[J]. 信息安全研究, 2020, 6(6): 474481[19]邹源, 张甲, 江滨. 基于LSTM循环神经网络的恶意加密流量检测[J]. 计算机应用与软件, 2020, 37(2): 308312 |