基于时空特性相结合的深度学习流量分类方法

授权

摘要

本发明公开了一种基于时空特性相结合的深度学习流量分类方法，主要解决现有技术检测准确率低的问题。其实现方案是：1)采集并标注原始流量负载数据；2)基于原始流量负载数据，生成预处理后的流量图集；3)利用流量图集训练基于时空特性相结合的深度学习模型；4)用新采集并生成的流量数据验证训练好的深度学习模型，合格后将模型作为流量分类器部署于真实网络结点；5)对真实网络环境中的流量进行解析分类并标注。本发明构建的模型利用了流量数据的时空特性，提高了流量分类的准确率，且减少分类器占用的资源，能满足当前网络环境下流量分类的需求，可应用于网络边缘节点中实现加密流量识别和恶意流量检测。

基本信息

专利标题：

基于时空特性相结合的深度学习流量分类方法

专利标题（英）：

暂无

公开（公告）号：

CN110730140A

申请号：

CN201910967739.2

公开（公告）日：

2020-01-24

申请日：

2019-10-12

授权号：

CN110730140B

授权日：

2022-04-08

发明人：

顾华玺魏雯婷薛智浩曾祎

申请人：

西安电子科技大学

申请人地址：

陕西省西安市太白南路2号

代理机构：

陕西电子工业专利中心

代理人：

王品华

优先权：

CN201910967739.2

主分类号：

H04L12/851

IPC分类号：

H04L12/851 H04L12/26 H04L29/06