Resumen

El desarrollo de Internet y de las aplicaciones de red ha trado consigo el desarrollo de la tecnologa de comunicacin cifrada. Pero sobre esta base, el trfico malicioso tambin utiliza el cifrado para evitar la proteccin y la deteccin de seguridad tradicionales. Los mtodos tradicionales de proteccin y deteccin de la seguridad no pueden detectar con precisin el trfico malicioso cifrado. En los ltimos aos, el auge de la inteligencia artificial nos permite utilizar mtodos de aprendizaje automtico y aprendizaje profundo para detectar el trfico malicioso cifrado sin descifrar, y los resultados de deteccin son muy precisos. En la actualidad, la investigacin sobre la deteccin de trfico cifrado malicioso se centra principalmente en el anlisis de las caractersticas del trfico cifrado y la seleccin de algoritmos de aprendizaje automtico. En este artculo se propone un mtodo que combina el procesamiento del lenguaje natural y el aprendizaje automtico; es decir, se propone un mtodo de deteccin basado en TF-IDF para construir un modelo de deteccin. En el proceso de preprocesamiento de datos, este mtodo introduce el mtodo de procesamiento del lenguaje natural, es decir, el modelo TF-IDF, para extraer la informacin de los datos, obtener la importancia de las palabras clave y, a continuacin, reconstruir las caractersticas de los datos. El mtodo de deteccin basado en el modelo TF-IDF no necesita analizar cada campo del conjunto de datos. En comparacin con el mtodo general de preprocesamiento de datos de aprendizaje automtico, es decir, el procesamiento de codificacin de datos, los resultados experimentales muestran que el uso de la tecnologa de procesamiento del lenguaje natural para preprocesar los datos puede mejorar eficazmente la precisin de la deteccin. El clasificador Gradient Boost, el clasificador Random Forest, el clasificador AdaBoost y el modelo ensemble basado en estos tres clasificadores se utilizan, respectivamente, en la construccin de los modelos posteriores. Al mismo tiempo, la red neuronal CNN en el aprendizaje profundo tambin se utiliza para el entrenamiento, y la CNN puede extraer eficazmente la informacin de los datos. Bajo la condicin de que los datos de entrada del clasificador y la red neuronal sean consistentes, a travs de la comparacin y el anlisis de varios mtodos, la precisin de la red convolucional unidimensional basada en CNN es ligeramente superior a la del clasificador basado en aprendizaje automtico.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Desarrollo; Tecnología de comunicación cifrada; Inteligencia artificial; Aprendizaje automático; Aprendizaje profundo; Detección de tráfico malicioso.
• Keywords:Development; Encrypted communication technology; Artificial intelligence; Machine learning; Deep learning; Malicious traffic detection