基于深度森林的网络匿名流量检测方法研究与应用

网络流量分类一直是许多研究工作的关注领域,数据加密的普遍使用使其成为一个公开的技术挑战.数据加密是各种隐私增强工具中使用的一项关键技术.其中,基于匿名通信系统Tor构建的暗网是现今规模最大的匿名通信实体,常被犯罪分子用来从事各类违法犯罪活动,因此高效识别Tor流量具有重要研究意义.文章根据Tor匿名通信流量特点设计了一组用于Tor流量行为检测的网络流特征,并在原有深度森林模型的内存需求和时间开销局限性问题上,提出一种改进的深度森林模型,用于Tor网络流量的识别.实验结果表明,与已有识别方法相比,文章提出的模型准确率可达99.86％,同时,检测时间开销和内存需求都有所优化.