节点文献

基于深度学习的网络流量分类识别研究

免费订阅

【作者】 张家颖杨文军

【Author】 ZHANG Jia-ying;YANG Wen-jun;School of Computer Science and Engineering,Tianjin University of Technology;

【通讯作者】 杨文军;

【机构】 天津理工大学计算机科学与工程学院

【摘要】 目前互联网上会存在海量的网络流量数据信息,这些海量的网络流量数据信息还未得到充分性的利用,如果有效的采取一些必要的方法或者手段,分析整个的网络流量挖掘信息对于后期的网络发展趋势,挖掘网络当中所存在的异常状态并且有采取针对性的措施,这对于后期的网络应急响应能力的增强、抵御网络不法攻击行为、快速的维护网络空间安全等方面都具有非常重大的价值及意义.本文基于网络流量识别的基本需求,分析了深度学习经典模型-CNN的基本原理,在此基础上将原始流量进行分层处理,并建立了基于注意力机制的改进的CNN算法的网络流量识别模型,最后在国际标准数据集上进行仿真分析.实验测试结果表明,该模型可以实现对各类网络流量有效识别.

  • 【分类号】TP393.06;TP18
  • 【下载频次】117
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: