[發明專利]一種基于兩階段序列特征學習的網絡流量分類方法及系統有效
| 申請號： | 201711205047.1 | 申請日： | 2017-11-27 |
| 公開（公告）號： | CN108199863B | 公開（公告）日： | 2021-01-22 |
| 發明（設計）人： | 葉曉舟;王偉;曾學文 | 申請（專利權）人： | 中國科學院聲學研究所;北京中科智網科技有限公司 |
| 主分類號： | H04L12/24 | 分類號： | H04L12/24;H04L12/26;H04L12/851;H04L29/06;G06K9/62 |
| 代理公司： | 北京億騰知識產權代理事務所(普通合伙) 11309 | 代理人： | 陳霽 |
| 地址： | 100190 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 階段 序列 特征 學習 網絡流量 分類 方法 系統 | ||
1.一種基于兩階段序列特征學習的網絡流量分類方法，其特征在于，包括以下步驟：
對流量字節序列進行數據包序列特征學習，確定數據包向量序列；
對所述數據包向量序列進行網絡流序列特征學習處理，確定網絡流向量；
根據所述網絡流向量進行網絡流量分類；
所述對流量字節序列進行數據包序列特征學習，確定數據包向量序列，包括：
使用長短時記憶神經網絡對每個數據包的流量字節序列進行數據包序列特征學習，所述每個數據包生成一個對應的數據包向量，每個網絡流生成一個對應數據包向量序列；
所述對所述數據包向量序列進行網絡流序列特征學習處理，確定網絡流向量，包括：
使用長短時記憶神經網絡對所述每個網絡流的數據包向量序列數據進行網絡流序列特征學習，所述每個網絡流生成一個對應的所述網絡流向量。
2.根據權利要求1所述的方法，其特征在于，所述長短時記憶神經網絡還包括雙向結構的長短時記憶神經網絡。
3.根據權利要求2所述的方法，其特征在于，所述根據所述網絡流向量進行網絡流量分類，包括：
根據所述網絡流向量進行網絡流量分類，確定每一類網絡流量的概率分布。
4.根據權利要求1所述的方法，其特征在于，在所述對流量字節序列進行數據包序列特征學習，確定數據包向量序列的步驟之前，還包括：
按照網絡流形式對網絡流量數據進行預處理，得到一組網絡流單元；
對每個所述網絡流單元進行編碼，得到長短時記憶神經網絡要求的數據格式，所述編碼方式包括：獨熱編碼或嵌入編碼，編碼后每個數據包形成一個長度固定和維數固定的向量序列。
5.根據權利要求4所述的方法，其特征在于，包括：
所述網絡流為雙向通信的網絡流，所述網絡流量數據為包含協議層的流量數據；
所述網絡流的每個數據包需要統一為固定長度，所述網絡流的數據包需要統一為固定個數。
6.一種基于兩階段序列特征學習的網絡流量分類系統，其特征在于，該系統包括：
第一學習模塊，用于對流量字節序列進行數據包序列特征學習，確定數據包向量序列；包括：使用長短時記憶神經網絡對每個數據包的流量字節序列進行數據包序列特征學習，所述每個數據包生成一個對應的數據包向量，每個網絡流生成一個對應數據包向量序列；
第二學習模塊，用于對所述數據包向量序列進行網絡流序列特征學習處理，確定網絡流向量；包括：使用長短時記憶神經網絡對所述每個網絡流的數據包向量序列數據進行網絡流序列特征學習，所述每個網絡流生成一個對應的所述網絡流向量；
分類模塊，用于根據所述網絡流向量進行網絡流量分類。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國科學院聲學研究所;北京中科智網科技有限公司，未經中國科學院聲學研究所;北京中科智網科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711205047.1/1.html，轉載請聲明來源鉆瓜專利網。
