典型文献
一种基于深度特征融合的网络流量分类方法
文献摘要：
随着网络应用的持续发展,识别特定的流或者应用程序有着重要的作用.由于机器学习方法对特征选择较为苛刻,因而,具有自动特征提取的深度学习算法的优势就突显出来了.但现有深度学习方法大多是对网络流量的原始字节进行处理和分类,而原始字节包含较多的冗余和混淆信息.针对此,提出了一种基于深度特征融合的流量分类方法.该方法对原始的统计特征进行融合,并将融合后的特征转化为灰度图像,应用卷积神经网络对转换后的灰度图像进行分类,达到对加密流量进行分类的目的.在两个真实数据集上进行实验验证,分类准确率达到了 92％～99.89％.与文献方法相比,在网络流量粗粒度和细粒度分类上都取得了更好的结果.
文献关键词：
网络流量分类;特征融合;深度学习;视频流量
中图分类号：
作者姓名：
于帅;董育宁;邱晓晖
作者机构：
南京邮电大学通信与信息工程学院,江苏南京 210003
文献出处：
引用格式：
[1]于帅;董育宁;邱晓晖-.一种基于深度特征融合的网络流量分类方法)[J].南京邮电大学学报（自然科学版）,2022(03):82-89
A类：
B类：
深度特征融合,网络流量分类,分类方法,网络应用,应用程序,机器学习方法,特征选择,苛刻,自动特征提取,深度学习算法,突显出,有深度,深度学习方法,字节,统计特征,灰度图像,加密流量,真实数据,分类准确率,粗粒度,细粒度分类,视频流量
AB值：
0.316362
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
