raptor900/DeepPacket
GitHub: raptor900/DeepPacket
基于 PyTorch 实现的加密流量深度学习分类框架，可在不解密的情况下对 VPN/非 VPN 及应用类型进行识别。
Stars: 50 | Forks: 12
# Deep Packet
本文所述方法的 PyTorch 实现：
## 概述
Deep Packet 使用深度学习对加密网络流量（例如，VPN/非 VPN，应用类型）进行分类，**无需解密**。它直接处理原始数据包字节，将流量分类视为图像/信号分类问题。
实现了两种架构：
### 1. DeepPacketCNN (1D CNN)
直接从原始字节进行端到端分类：
```
Input (1 × 1500 bytes)
↓
Conv1D (200 filters, kernel=5, stride=2) → BN → ReLU
↓
Conv1D (100 filters, kernel=4, stride=1) → BN → ReLU
↓
AvgPool (2)
↓
FC layers: 37200 → 600 → 500 → 400 → 300 → 200 → 100 → 50
↓
Output (n_classes) → LogSoftmax
```
### 2. StackedAutoEncoder
带有分类头的预训练栈式自编码器：
```
Input (1500)
↓
AE1: 1500 → 400 (greedy pre-training)
AE2: 400 → 300
AE3: 300 → 200
AE4: 200 → 100
AE5: 100 → 50
↓
FC: 50 → n_classes → LogSoftmax
```
每个自编码器使用重建损失进行逐层贪婪预训练，然后对整个网络进行端到端微调。
## 使用方法
```
import torch
from models import DeepPacketCNN, StackedAutoEncoder
# CNN 模型
model = DeepPacketCNN(n_classes=10)
x = torch.randn(32, 1, 1500) # batch of 32 packets
log_probs = model(x) # (32, 10)
# Stacked AutoEncoder 模型
sae = StackedAutoEncoder(n_classes=10)
x_flat = torch.randn(32, 1500) # flattened packets
log_probs = sae(x_flat) # (32, 10)
```
## 环境要求
- Python ≥ 3.8
- PyTorch ≥ 1.9
标签：Apex, IP 地址批量处理, ISCX-VPN-NonVPN, Python, PyTorch, VPN流量识别, 一维卷积神经网络(1D CNN), 人工智能安全, 入侵检测系统(IDS), 凭据扫描, 加密流量分类, 原始数据包字节处理, 合规性, 图像/信号分类, 堆叠自编码器(Stacked AutoEncoder), 应用层协议分类, 无后门, 无需解密, 机器学习, 深度包检测(DPI), 深度学习, 特征提取, 端到端分类, 网络安全, 网络流量分析, 逆向工具, 隐私保护