10.14132/j.cnki.1673-5439.2018.06.006
基于卷积神经网络的加密流量识别方法
随着互联网及各种在线应用的快速增长,加密流量在网络传输中的比重越来越大,这给流量识别带来了巨大的挑战.文中提出一种基于CNN(卷积神经网络)的加密流量识别方法,相比传统的机器学习方法,CNN这一深度学习方法具有识别准确性高、无需人工选择特征的特点.文中选择ISCX数据集中的加密流量作为训练和测试样本,通过将流量样本预处理成为分组净荷字节矩阵(Packet Payload Byte Matrix),采用softmax做分类器,实现加密流量的识别和分类.实验表明,识别准确率可以达到98%以上.
流量识别、加密流量、深度学习、卷积神经网络
38
TN915.05
2017年江苏省高校优秀中青年教师和校长境外研修项目和江苏高校品牌专业建设工程PPZY2015A092
2019-02-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
36-41