近日，校計算機(jī)與人工智能學(xué)院陳一閣博士的論文《MPAF: Encrypted Traffic Classification with Multi-Phase Attribute Fingerprint》被網(wǎng)絡(luò)安全領(lǐng)域的國際頂級期刊《IEEE Transactions on Information Forensics and Security》錄用，該項研究成果由溫州大學(xué)溫州市智能網(wǎng)絡(luò)實驗室與北京工業(yè)大學(xué)合作完成。IEEE TIFS是國際網(wǎng)絡(luò)安全領(lǐng)域的頂級期刊，中國計算機(jī)學(xué)會（CCF）推薦A類期刊，中國密碼學(xué)會（CACR）推薦A類期刊，中科院SCI一區(qū)TOP期刊。

該論文提出了多階段屬性指紋（MPAF）系統(tǒng)，旨在解決現(xiàn)有加密流量分類方法面臨的準(zhǔn)確性和效率難題。隨著傳輸層安全協(xié)議（TLS）的廣泛應(yīng)用，加密流量分類的需求愈發(fā)迫切，但現(xiàn)有方法在復(fù)雜場景中表現(xiàn)出較低的準(zhǔn)確性，難以應(yīng)對網(wǎng)絡(luò)和安全服務(wù)的需求。

MPAF系統(tǒng)采用了三階段機(jī)制，分別利用加密通信中不同時間點出現(xiàn)的特征屬性，通過嵌入機(jī)制將離散屬性轉(zhuǎn)換為可計算的向量，并設(shè)計了基于葉節(jié)點掩蔽樹的分類器。實驗結(jié)果顯示，MPAF在實際和公共數(shù)據(jù)集上的分類準(zhǔn)確率達(dá)96.33%至99.42%，平均等待時間僅為0.18秒至0.45秒。尤其是在小規(guī)模訓(xùn)練數(shù)據(jù)集、跨數(shù)據(jù)集分類以及未知應(yīng)用識別等高魯棒性需求的場景中，MPAF表現(xiàn)優(yōu)越。

這項研究的成功不僅為加密流量分類領(lǐng)域提供了新的解決方案，也為未來的網(wǎng)絡(luò)管理和安全服務(wù)提供了強有力的技術(shù)支撐。

論文鏈接：https://ieeexplore.ieee.org/document/10599293