基于卷积神经网络的网络流量识别技术研究

• 作者: 孙界平 师维 曲天舒 李勤 董超
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 网络流量 流量识别 卷积神经网络 深度学习
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 计算机科学
• 页码范围: 959-964
• 页数: 6页
• 分类号: TP391
• 字数: 5164字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2017.05.011

摘要

近年来,深度包检测技术和基于统计特征的网络流量识别技术迅速发展,但它们分别存在不能识别加密流量和依赖人对特征主观选择的缺陷.文章提出了基于卷积神经网络的流量识别方法,将网络数据按照一定的规则转换为灰度图像进行识别,并根据TCP数据包的有序性和UDP数据包的无序性,对原始的网络数据进行了扩展,以进一步提高识别率.实验数据表明,该方法对应用程序和应用层协议两个层次的网络流量具有较高的检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙界平	四川大学计算机学院	15	91	6.0	9.0
2	师维	四川大学计算机学院	15	109	7.0	9.0
3	李勤	四川大学计算机学院	25	102	7.0	9.0
4	董超	四川大学计算机学院	7	31	2.0	5.0
5	曲天舒		1	13	1.0	1.0