【技术实现步骤摘要】
本专利技术涉及加密流量分类领域，尤其涉及一种基于半监督和时空特征的加密流量分类方法。
技术介绍
1、为了保证数据传输过程中的安全和隐私，如今互联网上的大部分流量都进行了加密处理，加密流量分类已经成为流量审计工作的难点。基于统计特征的方法和深度包检测的准确率受到所提取特征的质量和数量限制，因此主流的加密流量分类方法慢慢转移到了深度学习，这可以解决加密流量分类中的特征难以提取的问题，在处理大规模数据集时具有良好的分类效果。深度学习首先捕获网络流量，处理好流量特征并标记好标签，然后将样本送到搭建好的神经网络中进行训练，最后输出分类模型。
2、从流量的数据集来说：处理好一个大型数据集的特征并打上标签是一件十分消耗时间和人力成本的工作，还有可能产生标注偏差，这使得传统模型缺少大量可供训练的标签样本。对于加密流量分类来说，只使用少量的标签样本进行训练，难以达到较好的精度。
3、从深度学习的模型来说：当前的深度学习的模型没有全面地利用流量的特征，大部分模型使用cnn或rnn等单一的模型结构，仅仅获取数据的时间或空间特征，获得一...
【技术保护点】
1.一种基于半监督和时空特征的加密流量分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于半监督和时空特征的加密流量分类方法，其特征在于，所述步骤1包括如下：
3.根据权利要求2所述的基于半监督和时空特征的加密流量分类方法，其特征在于，所述步骤2包括如下：
4.根据权利要求3所述的基于半监督和时空特征的加密流量分类方法，其特征在于，所述步骤3包括如下：
5.根据权利要求4所述的基于半监督和时空特征的加密流量分类方法，其特征在于，所述步骤4包括如下：
6.根据权利要求5所述的基于半监督和时空特征的...
【技术特征摘要】
1.一种基于半监督和时空特征的加密流量分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于半监督和时空特征的加密流量分类方法，其特征在于，所述步骤1包括如下：
3.根据权利要求2所述的基于半监督和时空特征的加密流量分类方法，其特征在于，所述步骤2包括如下：
4.根据权利要求3所述的基于半监督和时空特征的加密流量分类方...
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。