一种加密网络流量分类方法及系统技术方案

本发明专利技术提供了一种加密网络流量分类方法及系统，所述方案包括：对于待分类的加密网络流量进行数据预处理；以预处理后的加密网络流量数据作为预先训练的混合深度学习模型的输入，获得分类结果；其中，所述混合深度学习模型具体执行如下处理过程：对于输入的加密网络流量数据，利用第一神经网络模块进行多尺度空间特征提取，获得空间融合特征；对于获得的空间融合特征，按照预设时间步的顺序作为第二神经网络模块的输入，获得融合的时空特征，并基于所述时空特征获得分类结果。

【技术实现步骤摘要】

本专利技术属于网络安全，尤其涉及一种加密网络流量分类方法及系统。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。

2、巨大的网络流量增长产生了网络流量分类这项工作，网络安全人员使用网络流量分析来识别流量中的任何可疑数据包，通过监视下载/上传速度，吞吐量，网络传输性能、各种协议传输质量、应用和业务等，以了解网络操作和透视网络活动。

3、专利技术人发现，现有的网络流量分类主要采用如下方法：基于端口号的流量分类方法随着应用和服务不再使用固定的端口号及端口伪装技术，该方法的准确性受到了影响；基于有效负载的流量分类方法只能识别已知的非加密流量；基于统计的方法因其需要专门的特征设计，误警率较高。随着网络流量的愈加复杂，传统的机器学习方法不再适用现阶段加密网络流量的分类。

技术实现思路

1、为克服上述现有技术的不足，本专利技术提供了一种加密网络流量分类方法及系统，所述方案基于提出的混合深度学习模型，通过膨胀卷积完成对网络流量的空间特征提取，通过长短时记忆网本文档来自技高网...

【技术保护点】

1.一种加密网络流量分类方法，其特征在于，包括：

2.如权利要求1所述的一种加密网络流量分类方法，其特征在于，所述混合深度学习模型包括第一神经网络模块和第二神经网络模块，其中，所述第一神经网络模块采用Inception模块，所述Inception模块中的卷积层采用扩张卷积；所述第二神经网络模块采用基于通道注意力机制的长短时记忆网络。

3.如权利要求2所述的一种加密网络流量分类方法，其特征在于，所述Inception模块包括若干并行设置的扩张卷积，且每个扩张卷积采用不同的扩张率，对于输出的加密网络流量数据，通过Inception模块获得多尺度的空间特征。

...

【技术特征摘要】

1.一种加密网络流量分类方法，其特征在于，包括：

2.如权利要求1所述的一种加密网络流量分类方法，其特征在于，所述混合深度学习模型包括第一神经网络模块和第二神经网络模块，其中，所述第一神经网络模块采用inception模块，所述inception模块中的卷积层采用扩张卷积；所述第二神经网络模块采用基于通道注意力机制的长短时记忆网络。

3.如权利要求2所述的一种加密网络流量分类方法，其特征在于，所述inception模块包括若干并行设置的扩张卷积，且每个扩张卷积采用不同的扩张率，对于输出的加密网络流量数据，通过inception模块获得多尺度的空间特征。

4.如权利要求2所述的一种加密网络流量分类方法，其特征在于，所述第一神经网络模块包括并行的第一inception模块和第二inception模块，预处理后的加密网络流量数据分别作为第一inception模块和第二inception模块的输入，第一inception模块的输出经预设激活函数后与第二inception模块的输出经门控单元机制处理后的结果进行融合，获得空间融合特征。<...

【专利技术属性】
技术研发人员：张玮，王成，史慧玲，郝昊，丁伟，谭立状，王小龙，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人