【技术实现步骤摘要】
本专利技术属于网络安全领域，具体涉及一种用于加密网络流量分类预测的不确定性量化方法。
技术介绍
1、随着互联网技术的快速发展，大众网络安全意识不断提升，网络通信的安全性和隐私保护变得越来越重要。网络流量加密技术成为维护通信安全的关键手段之一，针对加密流量进行识别分类的技术也应运而生，机器学习与深度学习模型也被引入网络安全领域用于网络流量研究，随着流量分类研究的不断深入，主流的流量分类方法都能够实现不同类型流量的分类识别，并且都可以得到不错的效果。但是由于机器学习模型在流量分类过程中通常需要对新数据进行预测，流量数据往往存在不确定性与多样性，因此模型的预测结果也会存在不确定性，此时机器学习模型的泛化性能就会比较差。为了能够使模型进行准确预测并适应新的流量数据就必须对模型的预测结果进行不确定性量化分析。
2、当前研究有使用解释人工智能(xai)技术进行网络流量不确定性量化，能通过xai技术研究可解释性、可信度，提供基于样本和全局的解释；有针对网络流量数据的特征描述进行不确定性量化；有将分布外检测(ood)方法用于预测结果的量化分...
【技术保护点】
1.一种用于加密网络流量分类预测的不确定性量化方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的用于加密网络流量分类预测的不确定性量化方法，其特征在于，所述S21之前还包括：在对测试样本的预测结果进行不确定性量化分析前应当确定好零假设和备择假设，零假设和备择假设分别设为：
3.如权利要求2所述的用于加密网络流量分类预测的不确定性量化方法，其特征在于，所述S22中，使用了高斯核函数计算核密度分布估计。
4.如权利要求3所述的用于加密网络流量分类预测的不确定性量化方法，其特征在于，高斯核函数表示为：
5.如权利要...
【技术特征摘要】
1.一种用于加密网络流量分类预测的不确定性量化方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的用于加密网络流量分类预测的不确定性量化方法，其特征在于，所述s21之前还包括：在对测试样本的预测结果进行不确定性量化分析前应当确定好零假设和备择假设，零假设和备择假设分别设为：
3.如权利要求2所述的用于加密网络流量分类预测的不确定性量化方法，其特征在于，所述s22中，使用了高斯核函数计算核密度分布估计。
4.如权利要求3所述的用于加密网络流量分类预测的不确定性量化方法，其特征在于，高斯核函数表示为：
5.如权利要求4所述的用于加密网络流量分类预测的不确定性量化方法，其特征在于，所述s22中，xm的高斯核密度分布估计表示为：
6.如权利要求5所述的用于加密网络流量分类预测的不确定性量化方法，其特征在于，所述s22中，测试样本点xt的高斯核密...
【专利技术属性】
技术研发人员：苗晓孔，王颖，陈月月，张志斌，魏鹏，刘敬，罗平，李翼宏，陈鹏，上官弋卜，李文博，胡文友，
申请(专利权)人：中国人民解放军六一六六零部队，
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。