基于一维卷积神经网络的二进制协议分类方法

• 作者: 刘丽君 尹世庄 王韬 陈庆超
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 深度学习 分类 二进制协议 一维卷积神经网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 试验技术
• 页码范围: 163-167,172
• 页数: 6页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2020.11.030

摘要

针对目前网络上未知二进制协议种类繁多、不便于管理的问题,提出一种基于一维CNN的二进制协议分类方法,利用聚类得到协议数据的标签进行训练,直接将经过一类分类的二进制协议报文作为一维卷积神经网络的输入,训练分类模型,构建了一个二进制协议分类器,能够自动学习原始输入与预期输出之间的非线性关系,实现协议的自动分类功能.这是首次将一类分类与CNN网络应用于二进制协议分类领域.并且针对最大频度池化和一维卷积网络作了对比试验,验证了改进的有效性.经过实验验证对协议的识别率达到了98％以上,分类时间优于聚类方法.