基于時空特征自適應(yīng)融合網(wǎng)絡(luò)的加密流量分類方法

摘要： 加密流量數(shù)據(jù)包之間具有明顯的時序特征，現(xiàn)有方法很難提取出流量數(shù)據(jù)中隱含的時序特征，未能將時序特征與空間特征有效地融合，公開數(shù)據(jù)集大都存在類間樣本不平衡的問題，給加密流量的準(zhǔn)確分類帶來巨大挑戰(zhàn).針對上述問題，提出了一種包含時空特征提取模塊和難樣本學(xué)習(xí)模塊的卷積神經(jīng)網(wǎng)絡(luò)模型.時空特征提取模塊先利用不同維度的卷積核來同步學(xué)習(xí)流量數(shù)據(jù)包序列中的時序和空間特征，再利用自適應(yīng)加權(quán)融合策略將...