典型文献
基于多特征融合的移动流量应用识别
文献摘要：
移动应用识别是移动网络安全与管理研究领域的一项关键技术.针对移动应用更新后人工提取特征失效及特征提取不充分等问题,文章提出一种基于流量的移动应用识别模型MAITSF.该模型采用多通道并行架构,利用卷积神经网络(Convolutional Neural Network,CNN)提取移动应用流量的空间特征,使用长短时记忆(Long Short-Term Memory,LSTM)网络提取移动应用流量的时间特征,并融合各通道提取的特征.在此基础上,引入一个通道注意力模块对每个通道赋予不同权重,使模型能够集中关注神经网络提取的关键特征,增强流量特征的表征能力.文章在公开数据集(CIC-AAGM2017)和实验室采集的实际数据集上进行对比实验,实验结果表明,MAITSF在两个数据集上的分类准确率均达98％,相较于现有典型模型提高了4％以上.
文献关键词：
移动应用;卷积神经网络;长短时记忆网络;特征融合;通道注意力模块
中图分类号：
作者姓名：
刘光杰;段锟;翟江涛;秦佳禹
作者机构：
南京信息工程大学电子与信息工程学院,南京 210044
文献出处：
引用格式：
[1]刘光杰;段锟;翟江涛;秦佳禹-.基于多特征融合的移动流量应用识别)[J].信息网络安全,2022(07):18-26
A类：
MAITSF,AAGM2017
B类：
多特征融合,应用识别,移动应用,移动网络,网络安全与管理,提取特征,识别模型,多通道,并行架构,Convolutional,Neural,Network,空间特征,Long,Short,Term,Memory,时间特征,一个通,通道注意力模块,不同权重,关键特征,流量特征,表征能力,公开数据集,CIC,实际数据,分类准确率,典型模型,长短时记忆网络
AB值：
0.347051
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。
