基于改進(jìn)Inception-ResNet的加密流量分類方法

摘要： 基于深度學(xué)習(xí)的加密流量分類方法中的分類模型大多是深層直筒型結(jié)構(gòu)，存在梯度消失的問題，且網(wǎng)絡(luò)層數(shù)的增加會(huì)使模型結(jié)構(gòu)和計(jì)算的復(fù)雜度顯著上升。為此，提出了一種基于改進(jìn)Inception-ResNet的加密流量分類方法。該方法通過改進(jìn)Inception模塊，并將該模塊作為殘差塊以殘差結(jié)構(gòu)連接的方式嵌入卷積神經(jīng)網(wǎng)絡(luò)來構(gòu)建分類模型；此外，改進(jìn)分類模型的損失函數(shù)，并使用VPN-nonVPN數(shù)...