基于深度学习的网络流量分类识别研究

• 作者: 张家颖 杨文军
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 网络流量识别 注意力机制 识别算法
• 年，卷（期）: 2019,（6）
• 页码范围: 35-40
• 页数: 6页
• 分类号: TP393.0
• 字数: 4825字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2019.06.009

摘要

目前互联网上会存在海量的网络流量数据信息,这些海量的网络流量数据信息还未得到充分性的利用,如果有效的采取一些必要的方法或者手段,分析整个的网络流量挖掘信息对于后期的网络发展趋势,挖掘网络当中所存在的异常状态并且有采取针对性的措施,这对于后期的网络应急响应能力的增强、抵御网络不法攻击行为、快速的维护网络空间安全等方面都具有非常重大的价值及意义.本文基于网络流量识别的基本需求,分析了深度学习经典模型-CNN的基本原理,在此基础上将原始流量进行分层处理,并建立了基于注意力机制的改进的CNN算法的网络流量识别模型,最后在国际标准数据集上进行仿真分析.实验测试结果表明,该模型可以实现对各类网络流量有效识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨文军	天津理工大学计算机科学与工程学院	5	3	1.0	1.0
2	张家颖	天津理工大学计算机科学与工程学院	1	0	0.0	0.0