基于一维卷积神经网络的网络流量分类方法

• 作者: 于波 李道全 王雪 黄泰铭
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 一维卷积神经网络 流量分类 数据预处理 参数优化 深度学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 94-99
• 页数: 6页
• 分类号: TP393.0
• 字数: 4680字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1905-0139

摘要

针对传统机器学习算法对于流量分类的瓶颈问题,提出基于一维卷积神经网络模型的应用程序流量分类算法.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.设计了一种新的一维卷积神经网络模型,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特征选择问题.通过网络公开数据集进行模型测试,相比于传统的一维卷积神经网络模型,所设计的神经网络模型的分类准确率提升了16.4％,总分类时间节省了71.48％.另外在类精度、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	李道全	青岛理工大学信息与控制工程学院	40	139	6.0	11.0
2	王雪	青岛理工大学信息与控制工程学院	9	6	2.0	2.0
3	于波	青岛理工大学信息与控制工程学院	6	22	2.0	4.0
4	黄泰铭	青岛理工大学信息与控制工程学院	1	0	0.0	0.0