安全学术圈

该方法通过构建会话数据包长度序列来表示客户端和服务器之间的交互，从而构建流量路径。接着，通过对路径进行变换，提取其结构信息，并最终计算多尺度路径签名，作为独特的特征来训练传统的机器学习分类器。

该方法通过构建会话数据包长度序列来表示客户端和服务器之间的交互，从而构建流量路径。接着，通过对路径进行变换，提取其结构信息，并最终计算多尺度路径签名，作为独特的特征来训练传统的机器学习分类器。

该方法通过构建会话数据包长度序列来表示客户端和服务器之间的交互，从而构建流量路径。接着，通过对路径进行变换，提取其结构信息，并最终计算多尺度路径签名，作为独特的特征来训练传统的机器学习分类器。

本文提出了一种新的基于机器学习的网站指纹识别方法Bali。其核心思想是通过增加网站指纹的多样性来提升分类准确性。

本文提出了一种新的基于机器学习的网站指纹识别方法Bali。其核心思想是通过增加网站指纹的多样性来提升分类准确性。

本文提出了一种新的基于机器学习的网站指纹识别方法Bali。其核心思想是通过增加网站指纹的多样性来提升分类准确性。

本文提出了一种新的基于机器学习的网站指纹识别方法Bali。其核心思想是通过增加网站指纹的多样性来提升分类准确性。

提出了一种方法来检测tor网络中的异常电路，通过考虑节点在异常电路中的角色，首次提供了一个更全面的方法识别tor中的潜在恶意同谋节点。

提出了一种方法来检测tor网络中的异常电路，通过考虑节点在异常电路中的角色，首次提供了一个更全面的方法识别tor中的潜在恶意同谋节点。

提出了一种方法来检测tor网络中的异常电路，通过考虑节点在异常电路中的角色，首次提供了一个更全面的方法识别tor中的潜在恶意同谋节点。

提出了一种方法来检测tor网络中的异常电路，通过考虑节点在异常电路中的角色，首次提供了一个更全面的方法识别tor中的潜在恶意同谋节点。

本文主要研究WebRTC中DTLS握手过程的流量识别方法，在Docker环境中采集流量，采用基于流量统计特征的提取方法，最终利用多层感知器（MLP）模型判断流量是否为Snowflake流量。

本文主要研究WebRTC中DTLS握手过程的流量识别方法，在Docker环境中采集流量，采用基于流量统计特征的提取方法，最终利用多层感知器（MLP）模型判断流量是否为Snowflake流量。

利用静态程序分析技术，对谷歌商店上的2.2M个应用程序如何访问剪贴板数据，如何处理剪贴板数据，以及这些行为在多大程度上暴露了严重的安全和隐私风险进行了分析。

利用静态程序分析技术，对谷歌商店上的2.2M个应用程序如何访问剪贴板数据，如何处理剪贴板数据，以及这些行为在多大程度上暴露了严重的安全和隐私风险进行了分析。

一种名为 HINT的新方法来检测 HTTPS 隧道流量

一种名为 HINT的新方法来检测 HTTPS 隧道流量

ICICS 2025, 中国计算机学会CCF C

ICICS 2025, 中国计算机学会CCF C

本文探讨了多种机器学习算法在流量分类中的应用，旨在解决区分攻击流量和正常流量的二分类问题，提高网络安全防御能力。