基于卷积神经网络的Android流量分类方法

• 作者: 张爱新 郭益民
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 网络安全 流量分类 卷积神经网络 特征工程 深度学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 安全与保密
• 页码范围: 432-437
• 页数: 6页
• 分类号: TP183
• 字数: 4532字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.02.026

摘要

深度学习就是机器学习研究的过程,主要通过模拟人脑分析学习的过程对数据进行分析.目前,深度学习技术已经在计算机视觉、语音识别、自然语言处理等领域获得了较大发展,并且随着该技术的不断发展,为网络流量分类和异常检测带来了新的发展方向.移动智能手机与大家的生活息息相关,但是其存在的安全问题也日益凸显.针对传统机器学习算法对于流量分类需要人工提取特征、计算量大的问题,提出了基于卷积神经网络模型的应用程序流量分类算法.首先,将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性.其次,设计了一种新的卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手,构造了最优分类模型.该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中的特征选择问题.最后,通过CICAndmal2017网络公开数据集进行模型测试,相比于传统的机器学习流量分类模型,设计的卷积神经网络模型的查准率和查全率分别提高了2.93％和11.87％,同时在类精度、召回率以及F1分数方面都有较好的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张爱新	上海交通大学信息安全工程学院	28	146	7.0	11.0
2	郭益民	上海交通大学信息安全工程学院	1	0	0.0	0.0