一种基于生成对抗网络与模型压缩的军用通信加密流量识别方法技术

本发明专利技术提供一种基于生成对抗网络与模型压缩的军用通信加密流量识别方法，包括如下步骤：S10，构建并训练军用通信加密流量识别的大模型；S20，建立用于加密流量识别的压缩模型；S30，构建并训练生成加密流量的生成网络；S40，使用生成的加密流量并结合知识蒸馏方式训练压缩模型，获得训练好的压缩模型；S50，采用训练好的压缩模型进行军用通信加密流量识别。本发明专利技术能够解决军用通信加密流量难以获得的问题，同时可以部署在功耗受限的军用设备(机载、手持、肩载设备)上。该方法鲁棒性较强、工作场景可以是军用自组网或军用传感网。景可以是军用自组网或军用传感网。景可以是军用自组网或军用传感网。

【技术实现步骤摘要】
一种基于生成对抗网络与模型压缩的军用通信加密流量识别方法


[0001]本专利技术涉及无线通信
，具体而言，涉及一种基于生成对抗网络与模型压缩的军用通信加密流量识别方法。

技术介绍

[0002]军事通信网络面向军事任务，提供可靠的、准确的信息传输。军事通信网络与一般的民用网络不同，表现在：(1)通信系统要求更高。更注重通信的管理，比如个呼、组呼、紧急呼叫、多优先级、空中加密、端到端加密等。(2)终端要求更严格。更强调终端的可靠性、安全性以及信息传输的低时延性，通信设备体积以及功耗更小。随着5G和国防信息化的发展，军事网络中的业务类型越来越复杂，军用通信的加密流量(如用于作战指挥的视频、图像、语音、文本等通信流量)急剧增长。对军事加密流量的正确分析有助于实现对军事网络的智能化管理和资源的合理分配。更具体地，可以通过流量识别技术以获得不同的音频、视频流量，进而根据流量占据的带宽大小为之分配带宽，实现网络资源的合理分配；还可以是根据流量识别的结果按照流量的优先级对每一类流量进行排序，先转发优先级高的流量，从而减少相应的作战指挥信息的传输时延；此外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，包括如下步骤：S10，构建并训练军用通信加密流量识别的大模型；S20，建立用于加密流量识别的压缩模型；S30，构建并训练生成加密流量的生成网络；S40，使用生成的加密流量并结合知识蒸馏方式训练压缩模型，获得训练好的压缩模型；S50，采用训练好的压缩模型进行军用通信加密流量识别。2.根据权利要求1所述的基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，步骤S10包括如下子步骤：S11，采集某个基地的军用通信加密流量；S12，对采集的加密流量进行数据预处理，建立原始加密流量数据集；S13，构建军用通信加密流量识别的大模型；此大模型是一个具有参数量R的深度神经网络，该深度神经网络是一个包括卷积层和全连接层的卷积神经网络；S14，使用原始加密流量数据集训练军用通信加密流量识别的大模型，得到训练好的军用通信加密流量识别的大模型。3.根据权利要求2所述的基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，步骤S20包括如下子步骤：S21，确定裁剪比例F(0＜F＜1)；S22，基于确定的裁剪比例F对所述大模型进行不同程度地裁剪，得到用于加密流量识别的压缩模型；该压缩模型是一个具有参数量Q的深度神经网络，该深度神经网络是一个包括卷积层和全连接层的卷积神经网络；Q＝(1
‑
F)R＜R。4.根据权利要求3所述的基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，所述压缩模型的结构如下：(1)压缩模型的层数L，包括L1层卷积层和L2层全连接层，且L1+L2＝L；(2)每层卷积层包含T
m
个卷积核，每个卷积核的尺寸为W
m
×
H
m
，其中，m＝1,2
…
,L1；(3)每层全连接层包含V
s
(s＝1,2,
…
,L2)个神经元；(4)激活函数为f2(
·
)。5.根据权利要求1所述的基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，步骤S30包括如下子步骤：S31，对生成网络G的权重参数进行随机初始化，设置生成网络G的训练总周期为P1；S32，随机产生n个噪声数据，记作{z1,z2,
…
,z
n
}；S33，将n个噪声数据{z1,z2,
…
,z
n
}输入到生成网络G，产生n个虚假的加密流量，记作{x1,x2,
…
,x
n
}，其中，x
...

【专利技术属性】
技术研发人员：卜智勇，赵宇，鲁敏，周斌，
申请(专利权)人：成都中科微信息技术研究院有限公司，
类型：发明
国别省市：