基于注意力机制和一维卷积神经网络的加密流量分类方法技术

本发明专利技术属于网络安全的技术领域，公开了一种基于注意力机制和一维卷积神经网络的加密流量分类方法，该加密流量分类模型使用深度学习实现网络流中的加密流量分类算法。首先通过对实际获取到的原始数据流文件，进行特征预处理，并根据数据样本量生成成本敏感矩阵；然后利用Attention对全局特征进行提取，再利用1DCNN实现局部特征刻画，并使用成本敏感矩阵对训练损失函数进行干扰，使其更加关注难以分类的样本；最后根据模型输出的概率分布判别样本的具体类别。实验结果证明，本发明专利技术既可以有效提高加密流量的识别性能，保证数据传输的隐私安全，也可以解决传统检测方法常存在特征提取困难、复杂度高、对少数类样本的检测率低等问题。

【技术实现步骤摘要】

本专利技术属于网络安全的，具体涉及为一种基于注意力机制和一维卷积神经网络的加密流量分类方法，该加密流量分类方法采用深度学习中的注意力机制(attention mechanism，attention)和一维卷积神经网络(1d convolutional neuralnetwork，1dcnn)实现加密流量的分类方法。

技术介绍

1、流量分类(traffic classification)通过将具体的流量分类为特定的类别，对于保障网络安全、分析网络行为、提高网络管理水平与改善服务质量(quality ofservice,，qos)等方面发挥着重要的作用。由于互联网已经从简单的信息连接平台，转变为引领时代潮流的全球化交流平台。为保证数据传输的隐私安全，加密技术(encryption technology)被广泛应用于网络数据传输中。2020年超过70％的恶意软件采用加密技术来隐藏其传输、控制和数据窃取行为，并且60％的组织由于无法有效解密https数据，从而遗漏关键的加密威胁。如何提升加密流量识别效率，检测恶意流量，成为网络安全领域的研究热门。

2、本文档来自技高网...

【技术保护点】

1.基于注意力机制和一维卷积神经网络的加密流量分类方法，其特征在于：包括以下几个步骤：

2.根据权利要求1所述的基于注意力机制和一维卷积神经网络的加密流量分类方法，其特征在于：在步骤1中，其具体步骤如下：

3.根据权利要求2所述的基于注意力机制和一维卷积神经网络的加密流量分类方法，其特征在于：在步骤2中，Attention-1DCNN-CE网络流量分类模型分为基于Attention的全局特征提取模块、基于1DCNN的局部特征提取模块、基于成本敏感矩阵的输出层模块。

4.根据权利要求3所述的基于注意力机制和一维卷积神经网络的加密流量分类方法，其特征在于：...

【技术特征摘要】

1.基于注意力机制和一维卷积神经网络的加密流量分类方法，其特征在于：包括以下几个步骤：

2.根据权利要求1所述的基于注意力机制和一维卷积神经网络的加密流量分类方法，其特征在于：在步骤1中，其具体步骤如下：

3.根据权利要求2所述的基于注意力机制和一维卷积神经网络的加密流量分类方法，其特征在于：在步骤2中，attention-1dcnn-ce网络流量分类模型分为基于attention的全局特征提取模块、基于1dcnn的局部特征提取模块、基于成本敏感矩阵的输出层模块。

4.根据权利要求3所述的基于注意力机制和一维卷积神经网络的加密流量分类方法，其特征在于：在步骤2中...

【专利技术属性】
技术研发人员：耿海军，董赟，王庆生，梁双龙，
申请(专利权)人：山西大学，
类型：发明
国别省市：