终检评审通过 创新训练 520计算机科学技术 通信网络校级

随着移动互联网的发展、新型互联网应用的不断丰富，人们的生产和生活得到了方便、业余生活大大充实。与此同时，不安全的网络环境会给正常的生产、生活带来诸多的损失。网络安全己上升为国家战略，是国家安全的重要基石。网络中包括诸如HTTP、DNS、P2P等多种流量，而传统安全设备在进行安全防御时，需要对全部流量进行安全检测，这种全流量检测模式是造成设备处理性能存在瓶颈问题的根本原因。因此，如何高效精确地分类与鉴定恶意流量以及白流量成为亟待解决的问题，流量特征的提取和流量过滤即成为了分类和鉴定恶意流量的关键。 基于以上背景，本项目选择机器学习作为基本方法，在此基础上，拟提出基于特征分析与特征过滤的高效率机器学习流量过滤模型。通过使用权威数据集训练，对网络中的白流量实现高效准确的过滤，以减轻后续流量威胁检测压力。本项目成果拟针对各类网络的各种白流量过滤环境进行适配与调优。此外，由于网络边缘存在大量处理流量类型繁多、计算能力较弱的设备，本项目提供的模型预期具有低深度、高广度的特点，以减少系统资源占用，进一步提高可用性。