1.一种恶意DoH隧道流量检测方法,其特征在于,包括:
获取待检测流量,并提取所述待检测流量的若干个待检测流量特征;
将各所述待检测流量特征输入目标恶意流量检测模型中进行检测,得到所述目标恶意流量检测模型输出的恶意流量检测结果,其中,所述目标恶意流量检测模型由经过重要特征筛选、语义增强以及语义处理后的恶意流量特征数据集训练得到,其中,获取恶意流量特征数据集,并对所述恶意流量特征数据集进行数据预处理,得到模型训练集以及模型测试集;基于所述模型训练集,对初始恶意流量检测模型进行模型训练,得到待定恶意流量检测模型;基于所述模型测试集以及所述模型测试集对应的测试标签集对所述待定恶意流量检测模型进行模型测试,得到所述目标恶意流量检测模型;
根据互信息值计算方法,评估所述模型训练集中各样本流量特征的贡献值,并基于各所述样本流量特征的贡献值,确定第一样本特征序列;
对所述第一样本特征序列进行语义增强处理,得到第二样本特征序列;
将所述第二样本特征序列输入至初始恶意流量检测模型进行模型训练,得到所述初始恶意流量检测模型输出的流量分类结果,其中,所述初始恶意流量检测模型包括时序卷积网络、正向门控多头注意力层、多尺度语义整合层、平均池化层与全连接层,将所述第二样本特征序列输入所述时序卷积网络中的残差结构进行扩张因果卷积、权重归一化、函数激活及随机屏蔽,得到第一流量处理结果;通过所述正向门控多头注意力层对所述第一流量处理结果进行上下文语义捕获,生成第二流量处理结果;通过多尺度语义整合层对所述第二流量处理结果进行深度整合和多尺度建模,得到第三流量处理结果;将所述第三流量处理结果经所述平均池化层与所述全连接层进行映射,输出所述流量分类结果;
基于所述流量分类结果,判断所述初始恶意流量检测模型是否满足预设迭代条件,得到所述待定恶意流量检测模型。
2.如权利要求1所述的恶意DoH隧道流量检测方法,其特征在于,所述根据互信息值计算方法,评估所述模型训练集中各样本流量特征的贡献值,并基于各所述样本流量特征的贡献值,确定第一样本特征序列,包括:根据互信息值计算方法以及各所述样本流量特征对应的样本标签值,计算各所述样本流量特征对应的贡献值;
将所述贡献值大于预设增益阈值的样本流量特征添加至初始样本特征序列中;
根据所述贡献值,对所述初始样本特征序列中的样本流量特征进行排序,确定所述第一样本特征序列。
3.如权利要求1所述的恶意DoH隧道流量检测方法,其特征在于,所述对所述第一样本特征序列进行语义增强处理,得到第二样本特征序列,包括:根据缩放因子以及位置变换因子,对所述第一样本特征序列进行环境自适应调制处理,得到第一增强特征序列;
对所述第一样本特征序列进行均值降维、快速傅里叶变换、时频联合调制及通道维度拼接,得到第二增强特征序列;
将所述第一增强特征序列与所述第二增强特征序列进行融合,得到所述第二样本特征序列。
4.如权利要求1所述的恶意DoH隧道流量检测方法,其特征在于,所述基于所述流量分类结果,判断所述初始恶意流量检测模型是否满足预设迭代条件,得到所述待定恶意流量检测模型,包括:基于所述流量分类结果,判断所述初始恶意流量检测模型是否满足所述预设迭代条件;
若否,则基于所述模型训练集,对所述初始恶意流量检测模型进行模型迭代训练,直至所述初始恶意流量检测模型满足所述预设迭代条件为止;
若是,则将所述初始恶意流量检测模型作为所述待定恶意流量检测模型。
5.如权利要求1所述的恶意DoH隧道流量检测方法,其特征在于,所述基于所述模型测试集以及所述模型测试集对应的测试标签集对所述待定恶意流量检测模型进行模型测试,得到所述目标恶意流量检测模型,包括:对于所述模型测试集中的任一测试流量特征,将所述测试流量特征输入至所述待定恶意流量检测模型进行检测,得到所述待定恶意流量检测模型输出的测试检测结果,以得到所述模型测试集对应的测试检测结果集;
将所述测试检测结果集与所述测试标签集进行对比分析,得到模型测试分析数据;
将所述模型测试分析数据与预设达标阈值进行对比,得到所述目标恶意流量检测模型。
6.一种恶意DoH隧道流量检测设备,其特征在于,所述恶意DoH隧道流量检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如权利要求1至5中任一项所述的恶意DoH隧道流量检测方法的步骤。
7.一种存储介质,其特征在于,所述存储介质为计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的恶意DoH隧道流量检测方法的步骤。