一种基于ResNet的网络流量识别方法

• 作者: 代志康 吴秋新 程希明
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 流量识别 ResNet模型 卷积神经网络
• 年，卷（期）: 2020,（1）
• 页码范围: 82-88
• 页数: 7页
• 分类号: TP393
• 字数: 5451字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2020.01.016

摘要

针对传统的流量识别技术过于依赖个人的特征选择,无法同时满足实时性和准确性要求的问题,提出了一种基于残差神经网络(residual neural network,ResNet)模型的流量识别方法.根据网络流量数据和图像数据的相似性,对原始数据进行预处理,把一维的网络流量数据转换成二维的灰度图片,统一数据的输入格式;调整模型的超参数、训练模型的参数,筛选出最优的分类模型,实现对网络流量的识别.实验结果表明:该流量识别方法的准确率达到97.03％,F1-weighted值达到96.54％,具有较高的识别率.通过与其他算法的结果对比,表明该方法的收敛速度快,识别准确率高,而且能够有效处理非均衡网络流量数据的识别问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程希明	北京信息科技大学理学院	19	119	4.0	10.0
2	吴秋新	北京信息科技大学理学院	29	53	4.0	6.0
3	代志康	北京信息科技大学理学院	2	0	0.0	0.0