典型文献
基于RBF神经网络的可信加密流量分类方法
文献摘要：
网络流量分类广泛应用于网络资源分配、流量调度、入侵检测系统等研究领域.随着加密协议的普及和网络流量快速发展,基于深度学习的流量分类器由于其自动提取特征的特性和较高的分类准确性,逐渐受到科研人员的重视,但是面向网络流量分类的可信程度方面却不曾有研究.本文提出一种基于RBF神经网络对加密网络流量进行可信分类的方法.所提算法建立在RBF网络的思想上并采用一种新的损失函数和质心更新方案来进行训练,通过使用梯度惩罚强制检测输入的变化,能够有效地检测分布外的数据.在2个公共的ISCX VPN-nonVPN和USTC-TFC2016流量数据集上,与同类算法相比,所提算法取得了最好的分布外检测结果,在AUROC指标上达到98.55％.实验结果表明所提算法在具有较高分类性能的同时,能够有效地检测出分布外的流量数据,从而提高流量分类的可信性.
文献关键词：
流量分类;深度学习;不确定性估计;梯度惩罚;分布外检测
中图分类号：
作者姓名：
张晓航;李政;朱晓明;张海锋;赵博宇
作者机构：
中国电科网络通信研究院,河北 石家庄 050081;天津工业大学电气与电子工程学院,天津 300387;天津大学智能与计算学部,天津 300072
文献出处：
引用格式：
[1]张晓航;李政;朱晓明;张海锋;赵博宇-.基于RBF神经网络的可信加密流量分类方法)[J].计算机与现代化,2022(02):45-51
A类：
分布外检测
B类：
RBF,加密流量分类,分类方法,网络流量分类,网络资源分配,流量调度,入侵检测系统,加密协议,分类器,自动提取,提取特征,分类准确性,科研人员,却不曾,损失函数,质心,新方案,梯度惩罚,检测分布,公共的,ISCX,nonVPN,USTC,TFC2016,流量数据,AUROC,上达,分类性能,高流量,可信性,不确定性估计
AB值：
0.390462
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。
