一种融合聚类与不确定性的恶意加密流量识别方法OA

针对加密流量领域中基于委员会投票的样本选择策略粒度较粗,所选样本质量不佳问题,提出一种改进委员会投票的恶意加密流量识别方法,设计一种融合聚类与不确定性的样本选择策略UCC(Uncertainty Combined Clustering),有效度量样本不确定性,将其应用在初始样本选择和困难样本选择阶段。实验使用三个公开数据集CTU-13、CIC-IDS2017以及CIC IoT Dataset 2023进行测试,实验结果表明,该方法所需样本标注量仅为委员会投票的38%,只采用10.68%数据的情况下识别准确率达到96%,有效降低了样本标注和训练量,具有较强实用性。