一种基于深度学习的多模态网络流量分类方法技术

本发明专利技术公开了一种基于深度学习的多模态网络流量分类方法，包括以下步骤：数据预处理；搭建流量分类网络；训练流量分类网络；测试流量分类网络。本发明专利技术通过输入原始字节和长度序列两种模态，从不同角度提取流量特征，从而提高分类器性能，改善单一模态特征提取不充分的问题。本发明专利技术使用改进注意力机制的Transformer提取流量原始字节的特征，同时使用双向LSTM提取数据包长度序列特征，再将提取到的两种特征进行融合，生成新的更全面的特征表示，以提高网络流量分类的准确率。本发明专利技术在损失函数的设计上，不仅衡量最终的分类结果，还考虑每部分学习的特征的分类性能，从而得到每部分的最佳分类性能，最终提高整体的分类准确率。

【技术实现步骤摘要】

本专利技术涉及到网络流量分类与深度学习，具体是一种基于深度学习的多模态网络流量分类方法。

技术介绍

1、随着互联网的快速发展，网络业务种类繁多，网络流量呈爆发式增长，这不仅给网络服务质量(quality ofservice，qos)保障带来了很大困难，也使得网络安全管理变得越来越困难[1-3]。针对这些问题，对网络流量进行分类可以帮助网络管理员及时发现和应对潜在的安全威胁,提高网络的安全性、稳定性以及管理效率。另一方面，通过对应用程序进行分类，监控和管理网络流量可以为高优先级的数据提供更快的通道。从而提高网络qos。因此网络流量分类技术对于网络安全和管理具有重要意义。

2、早期的流量分类主要依赖于基于端口的方法和基于深度包检测(deep packetinspection，dpi)。每个应用程序由其注册和已知的端口标识，基于端口对流量进行分类是利用已知端口号与标准端口号进行匹配实现的。随着网络技术的发展，越来越多的应用程序使用动态分配端口，或者使用常用的通信协议端口进行伪装，使得基于端口号的方法可用性大大降低。基于dpi的方法将数据包载荷与一组存本文档来自技高网...

【技术保护点】

1.一种基于深度学习的多模态网络流量分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述一种基于深度学习的多模态网络流量分类方法，其特征在于：步骤A所述制备流量分类数据集的步骤如下：

3.根据权利要求1所述一种基于深度学习的多模态网络流量分类方法，其特征在于：步骤B所述流量分类网络搭建方法包括以下步骤：

【技术特征摘要】

1.一种基于深度学习的多模态网络流量分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述一种基于深度学习的多模态网络流量分类方法，其特征在于：步骤a...

【专利技术属性】
技术研发人员：魏德宾，江亲龙，温京龙，王欣睿，许平多，
申请(专利权)人：大连大学，
类型：发明
国别省市：