10.14132/j.cnki.1673-5439.2022.03.010
一种基于深度特征融合的网络流量分类方法
随着网络应用的持续发展,识别特定的流或者应用程序有着重要的作用.由于机器学习方法对特征选择较为苛刻,因而,具有自动特征提取的深度学习算法的优势就突显出来了.但现有深度学习方法大多是对网络流量的原始字节进行处理和分类,而原始字节包含较多的冗余和混淆信息.针对此,提出了一种基于深度特征融合的流量分类方法.该方法对原始的统计特征进行融合,并将融合后的特征转化为灰度图像,应用卷积神经网络对转换后的灰度图像进行分类,达到对加密流量进行分类的目的.在两个真实数据集上进行实验验证,分类准确率达到了 92％～99.89％.与文献方法相比,在网络流量粗粒度和细粒度分类上都取得了更好的结果.
网络流量分类、特征融合、深度学习、视频流量
42
TP391(计算技术、计算机技术)
国家自然科学基金61271233
2022-08-11（万方平台首次上网日期，不代表论文的发表时间）
共8页
82-89
