【技术实现步骤摘要】
本专利技术涉及数据识别领域中的一种流量分类方法，尤其涉及一种基于深度学习的轻量化恶意流量分类方法。
技术介绍
1、随着无线通信、边缘计算等技术的飞速发展，物联网设备得到了广泛应用，实现了高效的通信和数据交换。根据一项新的研究发现，到2024年，物联网设备将从2020年的35亿增加到83亿。物联网设备通过提供前所未有的便利和效率，革新了医疗保健、交通运输和智能家居等各个领域。然而，物联网的快速增长也带来了严重的安全问题。近年来，越来越多的物联网设备开始暴露在公共网络中，并且通常直接与物理世界交互以收集隐私数据或控制物理环境变量，这使它们成为攻击者的有吸引力的目标。因此，检测网络中的恶意流量是目前在物联网中急需解决的问题。
2、目前主流的恶意流量分类方法包括基于传统的机器学习方法和深度学习方法。虽然基于传统的机器学习方法可以有效检测恶意流量，但是特征的选择需要耗费时间，并且严重依赖于专家经验。相比于传统的机器学习，深度学习可以从原始数据中自动提取特征，而不是使用手动特征选择。虽然基于深度学习的模型能高效地检测恶意流量。但是现有算...
【技术保护点】
1.一种基于深度学习的轻量化恶意流量分类方法，其将表征流量数据的灰度图像通过设计好的轻量化恶意流量分类模型进行分类，得到是良性流量还是恶性流量的输出结果；所述轻量化恶意流量分类模型包括1个卷积层、8个LRB模块、1个全局平均池化层、1个全连接层和一个Softmax分类器，所述灰度图像首先经过所述卷积层，再经过顺序连接的8个所述LRB模块，第8个所述LRB模块的输出依次输入所述全局平均池化层、全连接层和Softmax分类器，Softmax分类器的输出结果为良性流量或者恶性流量；其特征在于，
2.如权利要求1所述的基于深度学习的轻量化恶意流量分类方法，其特征在...
【技术特征摘要】
1.一种基于深度学习的轻量化恶意流量分类方法，其将表征流量数据的灰度图像通过设计好的轻量化恶意流量分类模型进行分类，得到是良性流量还是恶性流量的输出结果；所述轻量化恶意流量分类模型包括1个卷积层、8个lrb模块、1个全局平均池化层、1个全连接层和一个softmax分类器，所述灰度图像首先经过所述卷积层，再经过顺序连接的8个所述lrb模块，第8个所述lrb模块的输出依次输入所述全局平均池化层、全连接层和softmax分类器，softmax分类器的输出结果为良性流量或者恶性流量；其特征在于，
2.如权利要求1所述的基于深度学习的轻量化恶意流量分类方法，其特征在于，所述灰度图像的获取方法包括以下步骤：
3.如权利要求2所述的基于深度学习的轻量化恶意流量分类方法，其特征在于，在将所述流量数据按784字节的固定长度进行截取时，如果长度大于784字节，则删除额外的字节。
4.如权利要求2所述的基于深度学习的轻量化恶意流量分类方法，其特征在于，在将所述流量数据按784字节的固定长度进行截取时...
【专利技术属性】
技术研发人员：霍跃华，梁维，吴文昊，栗亚鹏，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。