c01dsnap/DoHTunnelAnalyzer

---
license: other
---

# Datasets Source
* Retrived from [CIRA-CIC-DoHBrw-2020](https://www.unb.ca/cic/datasets/dohbrw-2020.html)
* Used for [DoHTunnelAnalyzer](https://github.com/Coldwave96/DoHTunnelAnalyzer)

# License
You may redistribute, republish, and mirror the CIRA-CIC-DoHBrw-2020 dataset in any form. However, any use or redistribution of the data must include a citation to DoHMeter and the following research paper outlining the details of captured DoH traffic:

`Mohammadreza MontazeriShatoori, Logan Davidson, Gurdip Kaur, and Arash Habibi Lashkari, “Detection of DoH Tunnels using Time-series Classification of Encrypted Traffic”, The 5th IEEE Cyber Science and Technology Congress, Calgary, Canada, August 2020`

### 许可证：其他

# 数据集来源
* 本数据集源自[CIRA-CIC-DoHBrw-2020](https://www.unb.ca/cic/datasets/dohbrw-2020.html)
* 本数据集被应用于[DoHTunnelAnalyzer](https://github.com/Coldwave96/DoHTunnelAnalyzer)

# 许可证条款
您可通过任意形式对CIRA-CIC-DoHBrw-2020数据集进行再分发、重新发布及镜像。但任何对该数据集的使用或再分发行为，均需同时标注对DoHMeter的引用，并引用下述阐述了所捕获的HTTPS域名系统（DoH，DNS over HTTPS）流量细节的研究论文：

`Mohammadreza MontazeriShatoori、Logan Davidson、Gurdip Kaur与Arash Habibi Lashkari，《基于加密流量时序分类的DoH隧道检测》，2020年8月于加拿大卡尔加里举办的第5届IEEE网络科学与技术大会`

原始信息汇总

数据集来源

• 数据集来源于 CIRA-CIC-DoHBrw-2020
• 用于 DoHTunnelAnalyzer

许可证

• 可以以任何形式重新分发、重新发布和镜像 CIRA-CIC-DoHBrw-2020 数据集。
• 任何使用或重新分发数据集的行为必须包含对 DoHMeter 和以下研究论文的引用：
  • Mohammadreza MontazeriShatoori, Logan Davidson, Gurdip Kaur, and Arash Habibi Lashkari, “Detection of DoH Tunnels using Time-series Classification of Encrypted Traffic”, The 5th IEEE Cyber Science and Technology Congress, Calgary, Canada, August 2020

搜集汇总

数据集介绍

构建方式

在网络安全领域，DNS over HTTPS（DoH）隧道的检测已成为加密流量分析的关键课题。c01dsnap/DoHTunnelAnalyzer数据集源自CIRA-CIC-DoHBrw-2020公开资源，通过系统化的网络流量捕获与标注流程构建而成。该过程涉及在受控环境中模拟正常与恶意DoH通信，采集时间序列形式的加密流量数据，并依据研究论文中的方法进行精细分类，确保了数据在隧道行为识别方面的科学性与代表性。

使用方法

研究人员可利用该数据集进行加密流量分析与安全模型开发。典型应用包括加载数据至机器学习框架，提取时间序列特征，并训练分类器以区分正常DoH流量与潜在隧道行为。数据已预处理为标准化格式，支持直接用于实验或进一步的特征工程。使用时应遵循许可要求，引用原始研究论文，以确保学术合规性。

背景与挑战

背景概述

随着互联网隐私与安全需求的提升，DNS over HTTPS（DoH）协议作为一种加密DNS查询的技术应运而生，然而其加密特性也为恶意流量隧道提供了隐蔽通道。c01dsnap/DoHTunnelAnalyzer数据集源自CIRA-CIC-DoHBrw-2020，由加拿大网络安全研究所（CIC）与加拿大互联网注册局（CIRA）于2020年联合构建，核心研究聚焦于DoH隧道流量的检测与分类。该数据集通过时间序列分类方法，旨在识别加密流量中的异常行为，对网络安全领域尤其是入侵检测与威胁分析产生了显著影响，推动了加密流量分析的前沿探索。

当前挑战

在领域问题层面，该数据集致力于应对加密DNS流量中恶意隧道检测的挑战，由于DoH协议将DNS查询封装于HTTPS中，传统基于明文流量的检测方法失效，需开发新型时间序列分类模型以区分正常与恶意流量。构建过程中，研究人员面临数据采集与标注的复杂性，需在真实网络环境中模拟多样化隧道攻击场景，同时确保流量数据的代表性与平衡性，避免过拟合或偏差，这要求精细的实验设计与领域专业知识支撑。

常用场景

经典使用场景

在网络安全领域，DNS over HTTPS（DoH）作为一种加密的域名解析协议，虽提升了隐私保护，却也潜藏了恶意隧道攻击的风险。c01dsnap/DoHTunnelAnalyzer数据集源自CIRA-CIC-DoHBrw-2020，其经典使用场景聚焦于时间序列分类任务，通过分析加密流量中的时序特征，精准识别DoH隧道行为。该数据集为研究者提供了丰富的网络流量样本，支持机器学习模型训练，以区分正常DoH流量与隐蔽的恶意隧道，成为评估检测算法性能的基准工具。

解决学术问题

该数据集有效解决了加密流量分析中的关键学术问题，即如何在保护用户隐私的加密协议中检测隐蔽的恶意活动。传统基于明文流量的检测方法在DoH环境下失效，而该数据集通过时间序列分类方法，突破了加密屏障，实现了对DoH隧道的自动化识别。这不仅推动了网络异常检测理论的发展，还为加密协议安全评估提供了实证基础，对提升互联网整体安全防护水平具有深远意义。

实际应用

在实际应用中，c01dsnap/DoHTunnelAnalyzer数据集被广泛集成于网络安全监控系统，帮助企业和组织实时筛查网络中的DoH隧道攻击。例如，互联网服务提供商可利用基于该数据集训练的模型，在网关层面过滤恶意流量，防止数据泄露或命令与控制通信。同时，该数据集支持开发轻量级检测工具，适用于资源受限的边缘设备，为物联网和移动网络环境提供定制化的安全解决方案。

数据集最近研究

最新研究方向

在加密网络流量分析领域，c01dsnap/DoHTunnelAnalyzer数据集作为CIRA-CIC-DoHBrw-2020的衍生资源，正推动着DNS over HTTPS（DoH）隧道检测技术的深度探索。当前研究聚焦于利用时间序列分类方法，对加密流量进行精细化建模，以识别隐蔽的恶意隧道行为。这一方向与全球网络安全事件中日益增长的加密滥用威胁紧密相连，例如高级持续性威胁（APT）攻击常借助DoH隧道规避传统检测。相关研究不仅提升了网络异常流量的实时监测能力，也为构建自适应防御体系提供了数据支撑，在保障隐私通信与遏制网络犯罪之间寻求关键平衡点。